文档帮助中心文档
用于回归的紧凑神经网络模型
CompactRegresionNeuralNetwork是紧凑版的吗RegressionNeuralNetwork模型对象。紧凑模型不包括用于训练回归模型的数据。因此,您不能使用紧凑模型执行某些任务,例如交叉验证。对于预测新数据的响应值等任务,使用紧凑的模型。
CompactRegresionNeuralNetwork
RegressionNeuralNetwork
创建一个CompactRegressionNeuralNetwork对象的完整RegressionNeuralNetwork通过使用紧凑的.
CompactRegressionNeuralNetwork
紧凑的
全部展开
LayerSizes
此属性是只读的。
神经网络模型中全连接层的大小,返回为正整数向量。的我th元素LayerSizes的输出数是多少我神经网络模型的全连接层。
LayerSizes不包括最终完全连接层的大小。这个层总是有一个输出。
数据类型:单|双
单
双
LayerWeights
学习了全连接层的层权重,返回为单元阵列。的我单元格数组中的第Th项对应的层权重为我完全连通层。例如,Mdl。LayerWeights {1}返回模型的第一个完全连接层的权重Mdl.
Mdl。LayerWeights {1}
Mdl
LayerWeights包括最终完全连接层的权重。
数据类型:细胞
细胞
LayerBiases
了解了完全连接层的层偏差,返回为单元阵列。的我单元格数组中的第Th项对应于我完全连通层。例如,Mdl。LayerBiases {1}返回模型的第一个完全连接层的偏差Mdl.
Mdl。LayerBiases {1}
LayerBiases包括最终完全连接层的偏差。
激活
“relu”
的双曲正切
“乙状结肠”
“没有”
神经网络模型的全连接层的激活函数,返回为字符向量或字符向量的单元数组,其值来自此表。
修正线性单元(ReLU)函数——对输入的每个元素执行阈值操作,其中任何小于零的值都被设为零,即,
f ( x ) = { x , x ≥ 0 0 , x < 0
双曲tan (tanh)函数-应用双曲正切函数的每个输入元素
双曲正切
Sigmoid函数-对每个输入元素执行以下操作:
f ( x ) = 1 1 + e − x
标识函数——返回每个输入元素,而不执行任何转换,即:f(x) =x
如果激活仅包含一个激活函数,则为神经网络模型中每一完全连接层的激活函数,不包括最终完全连接层,该层不具有激活函数(OutputLayerActivation).
OutputLayerActivation
如果激活是一组激活函数,那么我元素是元素的激活函数我神经网络模型的第二层。
数据类型:字符|细胞
字符
最终完全连接层的激活函数,返回为“没有”.
PredictorNames
预测器变量名,作为字符向量的单元格数组返回。元素的顺序PredictorNames对应于预测器名称在训练数据中出现的顺序。
CategoricalPredictors
[]
分类预测器索引,返回为一个正整数向量。假设预测数据包含成行的观测数据,CategoricalPredictors包含与包含分类预测器的预测器数据列对应的索引值。如果没有任何预测器是绝对的,则此属性为空([]).
数据类型:双
ExpandedPredictorNames
扩展的预测器名称,作为字符向量的单元格数组返回。如果模型对分类变量使用编码,那么ExpandedPredictorNames包括描述扩展变量的名称。否则,ExpandedPredictorNames是一样的PredictorNames.
ResponseName
响应变量名,作为字符向量返回。
数据类型:字符
ResponseTransform
响应转换函数,返回为“没有”.软件不会转换原始的响应值。
石灰
partialDependence
plotPartialDependence
沙普利
损失
预测
全部折叠
通过从模型中删除训练数据来减少全回归神经网络模型的大小。您可以使用一个紧凑的模型来提高内存效率。
加载病人数据集。从数据集创建一个表。每一行对应一个病人,每一列对应一个诊断变量。使用收缩压变量作为响应变量,其余变量作为预测变量。
病人
收缩压
负载病人台=表(年龄、舒张压、性别、身高、吸烟,体重,收缩期);
用数据训练回归神经网络模型。指定收缩压列的tblTrain作为响应变量。指定以标准化数值预测器。
tblTrain
Mdl = fitrnet(资源描述,“收缩”,“标准化”,真正的)
Mdl = RegressionNeuralNetwork PredictorNames:{'年龄' '舒张' ' '性别' '身高' '吸烟者' '体重'}ResponseTransform: '收缩期' CategoricalPredictors: [3 5] ResponseTransform: 'none' NumObservations: 100 LayerSizes: 10 activation: 'relu' OutputLayerActivation: 'linear' Solver: 'LBFGS' ConvergenceInfo: [1×1 struct] TrainingHistory:[1000×7 table]属性,方法
Mdl是一个完整的RegressionNeuralNetwork模型对象。
通过使用减小模型的尺寸紧凑的.
compactMdl =紧凑(Mdl)
compactMdl = CompactRegressionNeuralNetwork LayerSizes: 10 activation: 'relu' OutputLayerActivation: 'linear'属性,方法
compactMdl是一个CompactRegressionNeuralNetwork模型对象。compactMdl包含比完整模型更少的属性Mdl.
compactMdl
显示每个神经网络模型使用的内存数量。
谁(“Mdl”,“compactMdl”)
Name Size Bytes Class Attributes Mdl 1x1 72818 RegressionNeuralNetwork compactMdl 1x1 5995 classreg.learning.regr.CompactRegressionNeuralNetwork . Class Attributes
全型比紧凑型大。
fitrnet|预测|损失|RegressionPartitionedModel|RegressionNeuralNetwork|紧凑的
fitrnet
RegressionPartitionedModel
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。万博1manbetx
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系