MATLAB 패턴 인식 신경 네트워크 플롯 이해

Question

나는 현재 차량 분류에 관한 프로젝트를하고 있었다. 그리고 그것은 지금 거의 완성되었지만, 나는 신경망에서 얻은 플롯에 대해 몇 가지 혼란을 가질

80 개의 기능 포인트에서 분류를 위해 230 개의 이미지를 사용했습니다. 따라서 [90=Hatchbacks,90=Sedans,50=SUVs]는 vInput 매트릭스 였고 내 [80x230]는 vTarget matrix

입니다.

분류기는 잘 작동하지만 이들 음모를 이해하지 못하거나 비정상적이지 않거나 아닌 경우

내 신경망

[3x230] 섹션 에서이 4 개의 플롯을 클릭하고 순차적으로이를 얻었습니다.

성능 플롯



훈련 상태



혼란 음모



수신기 작동 특성 플롯

나는 그들이 많은 이미지 인 이미지를 알고 있지만, 나는 그들에 대해 아무것도 알지 못한다. MATLAB 문서에서 그들은 시스템을 훈련시키고 그래프를 플롯합니다
그러니 누군가가 그들을 간단히 설명하거나 그들을 배우기위한 좋은 링크를 보여주십시오.

Answer 1

처음 두 개의 플롯은 Training Statistscs를 보여줍니다.

Performance Plot 은 로그 규모의 모든 데이터 집합에 대한 모든 데이터 집합에 대한 사각형 오류 동역학을 의미합니다. 훈련 MSE는 항상 감소하고 있으므로 관심이 있어야 할 유효성 검사 및 테스트. 귀하의 음모는 완벽한 훈련을 보여줍니다.

훈련 상태 다른 훈련 통계를 보여줍니다.

그라디언트는 로그 스케일의 각 반복에 대한 BackProfagation 그라디언트의 값입니다. 5e-7는 로컬 기능의 최소값의 맨 아래에 도달했음을 의미합니다.

유효성 검사가 IT 유효성 검사가 그 값을 증가시킬 때 반복적입니다. 많은 실패는 owstrainig를 의미하지만, 당신이 괜찮습니다. MATLAB은 6 개 연속으로 6 실패 후 자동으로 훈련을 중지합니다.

다른 두 개의 플롯은 훈련 후 네트워크 시뮬레이션 결과를 보여줍니다.

혼동 플롯 . 귀하의 경우 100 % 정확합니다. 녹색 셀은 정답을 나타내고 빨간색 셀은 모든 유형의 잘못된 답변을 나타냅니다.

, "클래스 1의 클래스 1의 샘플을 부정하여 클래스 2에서 클래스 2에서 13 개의 샘플을 부정하여 클래스에서 클래스 2 및 6 샘플로 분류 된 59 클래스의 클래스로 분류 된 첫 번째 샘플 (훈련 세트)을 읽을 수 있습니다. 3은 클래스 3 "로 부정적으로 분류되었다.

수신기 작동 특성 플롯 은 ROC 곡선 :