matlab - 如何在 Matlab 中使用经过训练的神经网络在真实系统中进行分类

Question

我使用 Matlab 神经网络工具箱在包含语音特征和加速计测量的数据集上训练了前馈神经网络。 Targetset 包含数据集的两个目标类:0 和 1。训练、验证和性能都很好，我已经为这个网络生成了代码。

现在我需要实时使用这个神经网络来识别出现的模式，并在我针对之前训练的神经网络测试新数据集时生成 0 或 1。但是当我发出命令时:

   c = sim(net, j)

其中“j”是一个新的数据集[24x11]；而不是 0 或 1 我得到这个作为输出(我假设我得到正确分类的百分比但没有分类结果本身):

c =

  Columns 1 through 9

    0.6274    0.6248    0.9993    0.9991    0.9994    0.9999    0.9998    0.9934    0.9996

  Columns 10 through 11

    0.9966    0.9963

那么有什么命令或方法可以让我真正看到分类结果吗？非常感谢任何帮助!谢谢

Answer 1

我不是 matlab 用户，但从逻辑的角度来看，您遗漏了一个重点:

神经网络的输入是单个向量，您传递的是一个矩阵。因此 matlab 认为你想要对一堆向量进行分类(在你的例子中是 11 个)。因此，您获得的向量是这 11 个向量中每个向量的输出激活。

输出激活是一个介于 0 和 1 之间的值(我猜你使用的是 sigmoid)，所以这是完全正常的。您的工作是获得最适合您的数据的阈值。您可以通过对训练/测试数据进行交叉验证或仅选择一个(0.5？)来获得此阈值，然后查看结果是否“好”并在需要时进行修改。