主要内容

trainSoftmaxLayer

训练softmax层进行分类

所有的页面崩溃

语法

网= trainSoftmaxLayer (X, T)
网= trainSoftmaxLayer (X, T,名称,值)

描述

例子

净= trainSoftmaxLayer (X,T)火车softmax层,净输入数据X和目标T。

净= trainSoftmaxLayer (X,T,名称,值)火车softmax层,净,由一个或多个指定附加选项名称,值对参数。

例如,您可以指定损失函数。

例子

全部折叠

打开生活的脚本

加载示例数据。

[X, T] = iris_dataset;

X是一个4 x150矩阵的四个属性虹膜花:花萼长度、宽度萼片,花瓣长度,花瓣宽度。

T是一个3 x150矩阵相关的类向量定义的每个输入分配给三个类。每一行对应一个哑变量代表虹膜的物种之一(类)。在每一列中,1在一个三行代表类的特定示例(观察或例子)属于。有一个零的行中观察不属于其他类。

火车softmax层使用示例数据。

网= trainSoftmaxLayer (X, T);

分类三个类使用的观测到一个训练有素的softmax层。

Y =净(X);

绘制使用的目标和获得的分类混淆矩阵将softmax层。

plotconfusion (T、Y);

输入参数

全部折叠

训练数据,指定为一个米——- - - - - -n矩阵,米在训练数据变量的数量,然后呢n是观测的数量(例子)。因此,每一列的X代表一个样本。

数据类型:单|双

目标数据,指定为一个k——- - - - - -n矩阵,k类的数量,n是观测的数量。每一行是一个哑变量代表一个特定的类。换句话说,每一列代表一个样本,所有条目的列是零,除了一个一分之一行。这一条目显示样本的类。

数据类型:单|双

名称-值参数

指定可选的双参数作为Name1 = Value1,…,以=家,在那里的名字参数名称和吗价值相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。

R2021a之前,用逗号来分隔每一个名称和值,并附上的名字在报价。

例子:“MaxEpochs”, 400年,“ShowProgressWindow”,假的指定的最大迭代数400和隐藏了培训窗口。

最大数量的训练迭代,指定为逗号分隔组成的“MaxEpochs”和一个正整数价值。

例子:“MaxEpochs”, 500年

数据类型:单|双

损失函数将softmax层,指定为逗号分隔组成的“LossFunction”,要么“crossentropy”或mse的。

均方误差代表均方误差函数,它是由:

E = 1 n ∑ j = 1 n ∑ 我 = 1 k ( t 我 j − y 我 j ) 2 ,

在哪里n是训练的例子,然后呢k类的数量。 t 我 j 是ij目标矩阵的条目,T, y 我 j 是我th autoencoder当输入的输出向量xj。

的交叉熵函数:

E = 1 n ∑ j = 1 n ∑ 我 = 1 k t 我 j ln y 我 j + ( 1 − t 我 j ) ln ( 1 − y 我 j ) 。

例子:“LossFunction”、“mse的

指示器显示培训期间培训窗口,指定为逗号分隔组成的“ShowProgressWindow”,要么真正的或假。

例子:“ShowProgressWindow”,假的

数据类型:逻辑

训练算法用于训练将softmax层,指定为逗号分隔组成的“TrainingAlgorithm”和“trainscg”,它代表了共轭梯度。

例子:“TrainingAlgorithm”、“trainscg”

输出参数

全部折叠

Softmax层分类,作为一个返回网络对象。将softmax层,净,都是一样的大小作为目标T。

版本历史

介绍了R2015b

另请参阅

|