首页 文章

用于Matlab中一维数据的简单去噪自动编码器

提问于
浏览 次
0

我正在尝试使用Matlab为1D数据设置一个简单的去噪自动编码器 . 由于目前没有专门用于1D数据的输入层，因此必须使用 imageInputLayer() 函数：

function net = DenoisingAutoencoder(data)
[N, n] = size(data);

%setting up input
X = zeros([n 1 1 N]);
for i = 1:n
    for j = 1:N
        X(i, 1, 1, j) = data(j,i);
    end
end

% noisy X : 1/10th of elements are set to 0
Xnoisy = X;
mask1 = (mod(randi(10, size(X)), 7) ~= 0); 
Xnoisy = Xnoisy .* mask1;

layers = [imageInputLayer([n 1 1]) fullyConnectedLayer(n) regressionLayer()];

opts = trainingOptions('sgdm');
net = trainNetwork(X, Xnoisy, layers, opts);

但是，代码失败并显示以下错误消息：

最后一层的输出大小[1 1 n]与响应大小[n 1 1]不匹配 .

关于应该如何重新配置输入/层的任何想法？如果省略 fullyConnectedLayer 那么代码运行正常，但显然我没有隐藏层 .

matlab neural-network deep-learning autoencoder

1 回答

  • 0

    目标输出应该是矩阵，而不是4D张量 .

    这是以前代码的工作版本：

    function DenoisingAutoencoder(data)
[N, n] = size(data);
X = data;
Xoriginal = data;
Xout = data';

% corrupting the input
zeroMask = (mod(randi(100, size(X)), 99) ~= 0); 
X = X + randn(size(X))*0.05; 
X = X .* zeroMask;

X4D = reshape(X, [1 n 1 N]);

layers = [imageInputLayer([1 n]) fullyConnectedLayer(n) regressionLayer()];

opts = trainingOptions('sgdm');

net = trainNetwork(X4D, Xout, layers, opts);
R = predict(net, X4D)';
    回复于

相关问题