Я хочу обучить нейронную сеть на Matlab, я нашел много примеров того, как должен быть организован набор данных.У меня есть пара вопросов, чтобы подтвердить мое понимание правильного способа обучения нейронной сети с использованием Matlab.
1) входные данные должны бытьматрица NxM (строка - это объект, а столбцы - данные), где N - количество объектов, а M - размер набора данных.поэтому, если у меня есть набор данных из 10000 записей, который имеет 200 объектов, я должен загрузить свои данные в матрицу с размером 200x10000?
2), выходной должен быть матрицей SxM, где M - размер набора данных и Sэто количество классов.os Sx1 - выходной массив для первой записи.для всех значений s в этом случае будет 0, кроме индекса класса будет один.
3) как для кода
inputs=load('D:\r\matlab\input.txt');%200x10000 200 feature 10000 record
output =load('D:\r\matlab\ouputT.txt');%250x10000 250 class 10000 record
net=fitnet([16 16 16]);
net.trainParam.epochs=8000;
net.trainParam.showCommandLine=true;
net.divideParam.trainRatio = 70/100;
net.divideParam.valRatio = 15/100;
net.divideParam.testRatio = 15/100;
[net,tr] = train(net,inputs,output);
save('D:\r\net.txt','net')
4) есть ли связь между числомособенности, номер выходного класса, количество скрытых слоев, размер скрытого слоя.или это можно сделать на практике.У меня есть 200 функций, в то время как мне нужно классифицировать класс 250.
5) показатель производительности: когда открываются окна инструмента нейронной сети, появляются такие атрибуты, как производительность, градиент и т. д., как читать это значение.чтобы знать, что моя модель обучена хорошо или нет ## Заголовок ##?
6) используя вышеупомянутую настройку, я пробовал другой тип нейронной сети и много скрытого слоя с разным размером на различном размере набора данных, новсе еще застряли на определенной производительности, где я могу найти общие правила для повышения производительности?.