图案标签的权重
Weights for patternent labels
我正在尝试在 Matlab 的神经网络工具箱中为我的训练实例引入权重。我做的一切都正确吗?我不得不问,因为据我所知,NN 工具箱文档只能满足非常基本的需求。其他一切都不是那么简单。
所以我创建神经网络如下:
net = patternnet([5,5])
我们还可以说,我的网络有 4 个可能的输出(如果需要,在我的分类问题中有 4 个可能的 类)。这是 train 函数签名:
[net,tr] = train(net,X,T,Xi,Ai,EW)
此处 EW 表示文档中所述的错误权重。据我从阅读文档和网络上的一些文章中了解到,我必须以单元格数组的形式使用 EW 与我的标签数组具有相同的维度?
假设我的labels数组是[N 4]矩阵,其中N
是一些训练样例。所以,问题是:如果我想为所有实例引入相同的权重,我做得对吗?
EW = ones(size(labels));
EW = num2cell(EW);
谢谢
好的,
我想我已经找到了方法。
和我描述的一样,但是EW应该是
EW = num2cell(ones([length(labels) 1]));
因此,我们每个实例只有一次权重。但是,出于某种原因,我在问题正文中发布的代码也能正常工作,但训练结果只给出了无法工作的 NN。
如果您有任何注释和补充,我将非常高兴。
谢谢。
我正在尝试在 Matlab 的神经网络工具箱中为我的训练实例引入权重。我做的一切都正确吗?我不得不问,因为据我所知,NN 工具箱文档只能满足非常基本的需求。其他一切都不是那么简单。
所以我创建神经网络如下:
net = patternnet([5,5])
我们还可以说,我的网络有 4 个可能的输出(如果需要,在我的分类问题中有 4 个可能的 类)。这是 train 函数签名:
[net,tr] = train(net,X,T,Xi,Ai,EW)
此处 EW 表示文档中所述的错误权重。据我从阅读文档和网络上的一些文章中了解到,我必须以单元格数组的形式使用 EW 与我的标签数组具有相同的维度?
假设我的labels数组是[N 4]矩阵,其中N
是一些训练样例。所以,问题是:如果我想为所有实例引入相同的权重,我做得对吗?
EW = ones(size(labels));
EW = num2cell(EW);
谢谢
好的,
我想我已经找到了方法。
和我描述的一样,但是EW应该是
EW = num2cell(ones([length(labels) 1]));
因此,我们每个实例只有一次权重。但是,出于某种原因,我在问题正文中发布的代码也能正常工作,但训练结果只给出了无法工作的 NN。
如果您有任何注释和补充,我将非常高兴。 谢谢。