制定没有图像的 MatLab 深度神经网络

Question

我正在尝试使用 MatLab 生成能够回归的神经网络。本质上，我想将 36 个输入映射到 24 个输出。 （最终我想将网络转换为 RNN 或 LSTM 架构，但还没有。）

遗憾的是，我只能找到图像输入的文档！ MatLab 文档建议这样设置图层：

layers = [
    imageInputLayer([28 28 1])

    convolution2dLayer(3,8,'Padding','same')
    batchNormalizationLayer
    reluLayer

    averagePooling2dLayer(2,'Stride',2)

    convolution2dLayer(3,16,'Padding','same')
    batchNormalizationLayer
    reluLayer

    averagePooling2dLayer(2,'Stride',2)

    convolution2dLayer(3,32,'Padding','same')
    batchNormalizationLayer
    reluLayer

    convolution2dLayer(3,32,'Padding','same')
    batchNormalizationLayer
    reluLayer

    dropoutLayer(0.2)
    fullyConnectedLayer(1)
    regressionLayer];

如何将网络设置为仅接受 36 个浮点输入？我有一个 900000 行 x 36 列的训练数据矩阵（以及相应的 900000x24 用于基本事实）我想使用。

Answer 1

如果我理解正确，如果你有 36 行的 900000 个样本，你已经有一个平面数组作为输入，所以我认为卷积神经网络不会比浅层 (https://it.mathworks.com/help/deeplearning/gs/fit-data-with-a-neural-network.html) 或回归（https://it.mathworks.com/help/deeplearning/ug/generalized-regression-neural-networks.html）。 无论如何，您应该将 imageInputLayer 更改为 [1 36 1]，因为您只有一行，并为拟合提供一组目标。