feedforwardnet

フィードフォワードニューラルネットワークの生成

構文

net = feedforwardnet(hiddenSizes,trainFcn)

説明

net = feedforwardnet(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フィードフォワードニューラルネットワークを返します。

フィードフォワードネットワークは、一連の層で構成されます。最初の層には、ネットワーク入力からの結合があります。後続の各層には、前の層からの結合があります。最後の層は、ネットワークの出力を生成します。

フィードフォワードネットワークは、任意の種類の入力から出力へのマッピングに使用できます。1 つの隠れ層をもち、隠れ層に十分なニューロンがあるフィードフォワードネットワークは、任意の有限な入出力のマッピング問題に当てはめられます。

特殊なバージョンのフィードフォワードネットワークとして、近似ネットワークやパターン認識ネットワークがあります。詳細については、関数 fitnet および patternnet を参照してください。

フィードフォワードネットワークのバリエーションの 1 つに、カスケードフォワードネットワークがあります。このネットワークには、入力から各層へ、さらに各層から以降のすべての層への追加の結合があります。カスケードフォワードネットワークの詳細については、関数 cascadeforwardnet を参照してください。

例

すべて折りたたむ

フィードフォワードニューラルネットワークの構築と学習

ライブスクリプトを開く

この例では、フィ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 つもつフィードフォワードネットワークを作成します。

net = feedforwardnet(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);

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 = 1.4639e-04

入力引数

すべて折りたたむ

`hiddenSizes` — 隠れ層のサイズ
10 (既定値) | 行ベクトル

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

`trainFcn` — 学習関数名
`'trainlm'` (既定値) | `'trainbr'` | `'trainbfg'` | `'trainrp'` | `'trainscg'` | ...

学習関数名。次のいずれかに指定します。

学習関数	アルゴリズム
`'trainlm'`	レーベンバーグ・マルカート法
`'trainbr'`	ベイズ正則化
`'trainbfg'`	BFGS 準ニュートン法
`'trainrp'`	弾性逆伝播法
`'trainscg'`	スケーリング共役勾配法
`'traincgb'`	Powell・Beale リスタート付き共役勾配法
`'traincgf'`	Fletcher・Powell 共役勾配法
`'traincgp'`	Polak・Ribiére 共役勾配法
`'trainoss'`	1 ステップ割線法
`'traingdx'`	可変学習率勾配降下法
`'traingdm'`	モーメンタム項付き勾配降下法
`'traingd'`	勾配降下法