matlab - 解释我的神经网络的输出

Question

我尝试在 matlab 中训练神经网络，首先我按照如下方式构建了 ANN

net = feedforwardnet([30 20 20 ]);
[net ,tr] = train(net , XTRAIN , temp); 

生成具有以下架构的 ANN:

然后我按如下方式测试我的神经网络

outputsOfTest = sim(net , XTEST);

outputsOfTest是一个表示神经网络测试输出的向量，通常outputsOfTest的一些元素是负值，例如outputsOfTest > 将类似于 [-.34 1.17 .17]。

那么如何解释这个输出呢？负值表示什么？根据此输出，测试数据将属于哪个类？

1. 我应该以最大值作为测试数据所属类的指标吗？
   例如，如果我有输出向量 [-2 .5 1] ，其最大值为 1，那么测试数据所属的类为 3 类
2. 我应该取最大值(取绝对值)吗？
   例如，如果我有输出向量 [-2 .5 1] ，它的大小中的最大值是第一个元素，所以测试数据所属的类是 class 1.

注意:有时outputsOfTest的元素之和超过1，元素之和可能达到2.5，这正常吗？

Answer 1

你的输出层似乎有一个线性激活函数。因此，您的输出向量分量的值不限于 0 到 1 之间。对于分类，您应该使用 softmax 激活函数:

( Source )
使用 softmax 会产生值介于 0 和 1 之间的向量分量，并且每个向量的总和为 1。所以基本上你得到了你的类(class)的概率分布。 Matlab help有一张显示效果的图像(左输入，softmax 之后右):

UFDL Tutorial中有更多相关信息。 .

据我所知，以下代码更改可能在 Matlab 中有效:

net = feedforwardnet([30 20 20]);
net.layers{4}.transferFcn='softmax';
[net ,tr] = train(net , XTRAIN , temp);