1

ニューラルネットワークの結果の精度について役立つものは何も見つかりませんでした.

  1. 入力テストによるネットワーク トレーニングとシミュレーションの後、Matlab で文字認識の例を実行しましたが、シミュレーション後の出力結果の精度を計算するにはどうすればよいですか?

  2. いくつかの理由（研究）で、ネットワークトレーニング後にいくつかのニューロンの重みを変更し、入力テストでシミュレートしたいのですが、正確な出力結果と比較して出力精度を計算するにはどうすればよいですか? このタスクはニューラルネットワークで可能ですか?

助けてくれてありがとう。

4

2 に答える 2

2

[net,tr] = train(net,x,t)wherenetは構成されたネットワーク、xは入力行列、tはターゲット行列などを使用してネットワークをトレーニングする場合、返される 2 番目の引数trはトレーニング レコードです。trコンソールに表示するだけで、次のようなものが得られます

tr = 

    trainFcn: 'trainlm'
  trainParam: [1x1 struct]
  performFcn: 'mse'
performParam: [1x1 struct]
    derivFcn: 'defaultderiv'
   divideFcn: 'dividerand'
  divideMode: 'sample'
 divideParam: [1x1 struct]
    trainInd: [1x354 double]
      valInd: [1x76 double]
     testInd: [1x76 double]
        stop: 'Validation stop.'
  num_epochs: 12
   trainMask: {[1x506 double]}
     valMask: {[1x506 double]}
    testMask: {[1x506 double]}
  best_epoch: 6
        goal: 0
      states: {1x8 cell}
       epoch: [0 1 2 3 4 5 6 7 8 9 10 11 12]
        time: [1x13 double]
        perf: [1x13 double]
       vperf: [1x13 double]
       tperf: [1x13 double]
          mu: [1x13 double]
    gradient: [1x13 double]
    val_fail: [0 0 0 0 0 1 0 1 2 3 4 5 6]
   best_perf: 7.0111
  best_vperf: 10.3333
  best_tperf: 10.6567

トレーニング結果に関するすべてが含まれています。Matlab には、このレコードを操作するための組み込み関数がいくつかあります。その中で最も役立つのは次のとおりです。

plotperform(tr)- で計算されたプロットperformFcnパフォーマンスtr

plotconfusion(t,y)-混同マトリックスをプロットします。これは、ネットワークがどのように物事を誤分類したかを非常に簡潔にグラフィカルに表示し、各クラスおよび合計での正解/不正解のパーセンテージを示します。tはターゲット マトリックスで、は計算された出力であり、入力マトリックスに使用してy抽出できます。y=net(x)x

于 2014-12-19T18:41:50.300 に答える