Autoencoder Clase

Superclases:

Clase de codificador automático

Descripción

Un objeto Autoencoder contiene una red de codificador automático que consta de un codificador y un decodificador. El codificador asigna la entrada a una representación oculta. El decodificador intenta asignar esta representación de nuevo a la entrada original.

Construcción

autoenc = trainAutoencoder(X) devuelve un codificador automático entrenado usando los datos de entrenamiento de X.

autoenc = trainAutoencoder(X,hiddenSize) devuelve un codificador automático con el tamaño de la representación oculta de hiddenSize.

autoenc = trainAutoencoder(___,Name,Value) devuelve un codificador automático para cualquiera de los argumentos de entrada anteriores con opciones adicionales especificadas por uno o varios argumentos de par nombre-valor.

Argumentos de entrada

X — Datos de entrenamiento

matriz | arreglo de celdas de datos de imagen

Datos de entrenamiento, especificados como una matriz de muestras de entrenamiento o un arreglo de celdas de datos de imagen. Si X es una matriz, entonces cada columna contiene una sola muestra. Si X es un arreglo de celdas de datos de imagen, entonces los datos de cada celda deben tener el mismo número de dimensiones. Los datos de imagen pueden ser datos de intensidad de píxeles para imágenes en escala de grises, en cuyo caso cada celda contiene una matriz de m por n. De forma alternativa, los datos de imagen pueden ser datos RGB, en cuyo caso cada celda contiene una matriz de m por n por 3.

Tipos de datos: single | double | cell

hiddenSize — Tamaño de la representación oculta del codificador automático

10 (predeterminado) | valor entero positivo

Tamaño de la representación oculta del codificador automático, especificado como un valor entero positivo. Este número es el número de neuronas de la capa oculta.

Tipos de datos: single | double

Propiedades

HiddenSize — Tamaño de la representación oculta

un valor entero positivo

Tamaño de la representación oculta de la capa oculta del codificador automático, almacenado como un valor entero positivo.

Tipos de datos: double

EncoderTransferFunction — Número de la función de transferencia del codificador

Cadena

Número de la función de transferencia del codificador, almacenado como una cadena.

Tipos de datos: char

EncoderWeights — Pesos del codificador

matriz

Pesos del codificador, almacenados como una matriz.

Tipos de datos: double

EncoderBiases — Valores de sesgo del codificador

vector

Valores de sesgo del codificador, almacenados como un vector.

Tipos de datos: double

DecoderTransferFunction — Nombre de la función de transferencia del decodificador

Cadena

Nombre de la función de transferencia del decodificador, almacenado como una cadena.

Tipos de datos: char

DecoderWeights — Pesos del decodificador

matriz

Pesos del decodificador, almacenados como una matriz.

Tipos de datos: double

DecoderBiases — Valores de sesgo del decodificador

vector

Valores de sesgo del decodificador, almacenados como un vector.

Tipos de datos: double

TrainingParameters — Parámetros que trainAutoencoder usa para entrenar el codificador automático

Estructura

Parámetros que trainAutoencoder usa para entrenar el codificador automático, almacenados como una estructura.

Tipos de datos: struct

ScaleData — Indicador de datos a los que se les ha cambiado la escala

true o 1 (predeterminado) | false o 0

Indicador de datos a los que se les ha cambiado la escala al pasar al codificador automático, almacenado como true o false.

Los codificadores automáticos intentan replicar la entrada en la salida. Para que sea posible, el rango de los datos de entrada debe coincidir con el rango de la función de transferencia del decodificador. trainAutoencoder escala automáticamente los datos de entrenamiento para que se ajusten a este rango al entrenar un codificador automático. Si los datos se escalaron durante el entrenamiento de un codificador automático, los métodos predict, encode y decode también escalan los datos.

Tipos de datos: logical

Métodos

decode	Decode encoded data
encode	Encode input data
generateFunction	Generate a MATLAB function to run the autoencoder
generateSimulink	Generate a Simulink model for the autoencoder
network	Convert Autoencoder object into network object
plotWeights	Plot a visualization of the weights for the encoder of an autoencoder
predict	Reconstruct the inputs using trained autoencoder
stack	Stack encoders from several autoencoders together
view	View autoencoder

Semántica de copia

Valor. Para obtener información sobre la forma en que las clases de valor afectan a las operaciones de copia, consulte Copying Objects.

Historial de versiones

Introducido en R2015b

Consulte también

trainAutoencoder

Temas

• Atributos de clase
• Atributos de propiedad