cascadeforwardnet

カスケードフォワードニューラルネットワークの生成

構文

net = cascadeforwardnet(hiddenSizes,trainFcn)

net = cascadeforwardnet(hiddenSizes,trainFcn) は、サイズが hiddenSizes の隠れ層と trainFcn によって指定される学習関数をもつカスケードフォワードニューラルネットワークを返します。

カスケードフォワードネットワークはフィードフォワードネットワークに似ていますが、入力および前の各層から後続の層への結合が含まれます。

フィードフォワードネットワークと同様に、2 層以上のカスケードネットワークは、隠れニューロンが十分にある場合、任意の有限な入出力関係をうまく学習できます。

この例では、カスケードフォワードニューラルネットワークを使用して簡単な問題を解く方法を説明します。

学習データを読み込みます。

[x,t] = simplefit_dataset;

1 行 94 列の行列 x には入力値が含まれ、1 行 94 列の行列 t には関連付けられたターゲット出力値が含まれます。

サイズが 10 の隠れ層を 1 つもつカスケードフォワードネットワークを作成します。

net = cascadeforwardnet(10);

学習データを使用してネットワーク net に学習させます。

net = train(net,x,t);

{"String":"Figure Neural Network Training (09-Oct-2022 23:19:59) contains an object of type uigridlayout.","Tex":[],"LaTex":[]}

学習済みネットワークを表示します。

view(net)

学習済みネットワークを使用してターゲットを推定します。

y = net(x);

学習済みネットワーク性能を評価します。既定の性能関数は、平均二乗誤差です。

perf = perform(net,y,t)

perf = 1.9372e-05

ネットワークの隠れ層のサイズ。行ベクトルとして指定します。ベクトルの長さはネットワークの隠れ層の数を決定します。

例: たとえば、[10,8,5] のように、最初の隠れ層のサイズが 10、2 番目のサイズが 8、3 番目のサイズが 5 である 3 つの隠れ層を持つネットワークを指定できます。

入力と出力のサイズは 0 に設定されます。これらのサイズは、学習データに従って学習中に調整されます。

データ型: single | double

学習関数名。次のいずれかに指定します。