Matlab - Utiliser un réseau formé pour les tests

Question

Mon projet consiste à reconnaître les pièces anciennes. J'utilise Matlab. J'ai déjà un fichier de caractéristiques qui contient à la fois des entrées et des sorties. J'ai formé 3 types de pièces en utilisant newff et net ont été enregistrés. Pour les trois types de pièces, j'ai utilisé 01, 10 et 11 comme cibles. Maintenant, je veux utiliser ce filet entraîné pour les tests. J'ai aussi des images de test. Je codé comme ceci:

load net.mat; 
load features.mat; 
testInputs = Features'; 
out = sim(net,testInputs); 
[dummy, I]=max(out); 

Valeur de I utilise pour vérifier le type de pièce. Si I est 1 alors tapez 1, si 2 puis tapez 2 et si 3 tapez 3. Ai-je raison? Je ces pré-programmée 1,2,3 valeurs parce que j'ai donné des objectifs 01, 10 et 11.

if (I == 2) 
    fprintf('Type1\n'); 
elseif (I == 1) 
    fprintf('Type2\n'); 
elseif (I == 3) 
    fprintf('Type3\n'); 
else 
    fprintf('undefined\n'); 
end 

Bien que maintenant je entrée 3 types d'images de pièces de test, il affiche soit 1 ou 2 pour la valeur I. Mais pas 3. Même lorsque j'utilise le même ensemble d'images qui sont utilisées pour l'entraînement, il donne aussi 1 ou 2 pour la valeur I.

Pouvez-vous s'il vous plaît m'aider?

Answer 1

Le deuxième argument de max() vous donnera l'indice du neurone avec une sortie plus élevée. Si vous avez seulement deux neurones, ce qui est le cas si vos cibles sont [0,1], [1,0] et [1,1] (notez seulement deux éléments sur chaque cible), il n'y aura aucun moyen d'obtenir 3 sur ce maximum(). Vous devriez essayer [0,0,1], [0,1,0] et [1,0,0]. D'un autre côté, si vous utilisez tansig comme fonction d'activation des neurones, pensez à utiliser -1 au lieu de 0 sur les cibles, afin de mieux exploiter la non-linéarité. Quelque chose comme [-1, -1,1], [-1,1, -1], [1, -1, -1].