分类预测 | MATLAB实现1-DCNN一维卷积神经网络分类预测
目录
*
– 分类预测 | MATLAB实现1-DCNN一维卷积神经网络分类预测
–
+ 基本介绍
+ 程序设计
+ 学习总结
+ 参考资料
基本介绍
使用卷积网络的潜在好处是更好的并行性、更好地控制感受野大小、更好地控制训练期间网络的内存占用以及更稳定的梯度。 就像循环网络一样，卷积网络可以对可变长度的输入序列进行操作，并可用于对序列到序列或序列对一任务进行建模。要训练深度神经网络对序列数据进行分类，可以使用一维卷积神经网络。一维卷积层通过将滑动卷积滤波器应用于一维输入来学习特征。使用一维卷积层可以比使用循环层更快，因为卷积层可以通过单个操作处理输入。相比之下，循环层必须迭代输入的时间步长。然而，根据网络架构和滤波器大小，一维卷积层的性能可能不如循环层，后者可以学习时间步长之间的长期依赖关系。
程序设计
- 数据描述
加载训练数据。 预测数据是一个元胞数组，其中包含具有 12 个特征的不同长度的序列。 目标数据是标签”1″、”2″、…、”9″的分类向量，对应于九个类别。 预测器序列是具有 12 行（每个特征一行）和不同列数
Original: https://blog.csdn.net/kjm13182345320/article/details/126072792
Author: 机器学习之心
Title: 分类预测 | MATLAB实现1-DCNN一维卷积神经网络分类预测
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/661809/
转载文章受原作者版权保护。转载请注明原作者出处！