softmax

(Zu entfernen) Softmax-Transferfunktion

softmax wird in einer zukünftigen Version entfernt. Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Ratschläge zur Aktualisierung Ihres Codes finden Sie unter Versionsverlauf.

Syntax

A = softmax(N)

info = softmax(code)

Beschreibung

Tipp

Um eine Softmax-Aktivierung für Deep Learning zu verwenden, benutzen Sie Softmax-Methode softmaxLayer oder dlarray.

A = softmax(N) akzeptiert eine S-mal-Q-Matrix aus Netz-Eingangsvektoren (Spalten), N und gibt die S-mal-Q-Matrix A der auf jede Spalte von N angewendeten kompetitiven Softmax-Funktion aus.

softmax ist eine neuronale Transferfunktion. Transferfunktionen berechnen den Ausgang einer Schicht aus ihrem Netzeingang.

info = softmax(code) gibt Informationen über diese Funktion aus. Weitere Informationen finden Sie in der Beschreibung des Arguments code.

Beispiele

Erstellen und Darstellen der softmax-Transferfunktion

Dieses Beispiel zeigt, wie man die Softmax-Transferfunktion einer Eingangsmatrix berechnet und darstellt.

Erstellen Sie die Eingangsmatrix n. Rufen Sie dann die Funktion softmax auf und stellen Sie die Ergebnisse dar.

n = [0; 1; -0.5; 0.5];
a = softmax(n);
subplot(2,1,1), bar(n), ylabel('n')
subplot(2,1,2), bar(a), ylabel('a')

Ordnen Sie diese Übertragungsfunktion der Schicht i eines Netzes zu.

net.layers{i}.transferFcn = 'softmax';

Eingabeargumente

N — Eingangsmatrix

Matrix

Netto-Eingangsspaltenvektoren, angegeben als S-mal-Q-Matrix.

code — Informationsoption

'name' | 'output' | 'active' | 'fullderiv' | 'fpnames' | 'fpdefaults'

Informationen, die Sie aus der Funktion abrufen möchten, angegeben als eines der folgenden Argumente:

• 'name' gibt den Namen dieser Funktion aus.

• 'output' gibt den Ausgabebereich [min max] aus.

• 'active' gibt den aktiven Eingangsbereich [min max] aus.

• 'fullderiv' gibt 1 oder 0 aus, je nachdem, ob dA_dN S-malS-malQ oder S-mal-Q ist.

• 'fpnames' gibt die Namen der Funktionsparameter aus.

• 'fpdefaults' gibt die Standard-Funktionsparameter aus.

Ausgangsargumente

A — Ausgangsmatrix

Matrix

Ausgangsmatrix, ausgegeben als eine S-mal-Q-Matrix der auf jede Spalte von N angewendeten kompetitiven Softmax-Funktion.

info — Informationsausgabe

String | Vektor | Skalar

Bestimmte Informationen zur Funktion, gemäß der im Argument code angegebenen Option, ausgegeben als String, Vektor oder Skalar.

Algorithmen

a = softmax(n) = exp(n)/sum(exp(n))

Versionsverlauf

Eingeführt vor R2006a

softmax wird zukünftig entfernt.

softmax wird in einer zukünftigen Version entfernt.

Mehr über die Verwendung von Aktivierungs- und Transferfunktionen in neuronalen Netzen erfahren Sie in den folgenden Beispielen und Themen:

• Build Networks with Deep Network Designer

• List of Deep Learning Layers

• List of Functions with dlarray Support

• Compare Activation Layers

• Example Deep Learning Network Architectures

Um eine Softmax-Schicht in ein Schichtenarray oder ein dlnetwork-Objekt aufzunehmen, verwenden Sie softmaxLayer. Um die Softmax-Aktivierung auf dlarray-Objekte anzuwenden, verwenden Sie die softmax-Funktion.

Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Siehe auch

Time Series Modeler | fitrnet (Statistics and Machine Learning Toolbox) | trainnet | trainingOptions | dlnetwork | softmaxLayer | softmax

Themen

• Training Neural Networks with Tabular Data
• Training Neural Networks with Time Series Data
• Transition Legacy Neural Network Code to dlnetwork Workflows