是否可以创建具有真实输出的 CNN？答案

【问题标题】：Is it possible to create a CNN with real output?是否可以创建具有真实输出的 CNN？
【发布时间】：2017-09-15 15:41:46
【问题描述】：

trainNetwork() 的输出类型必须是 categorical()。如何创建具有浮点/实数输出的 CNN？

我的意思是下面的命令给出了以下错误：

>> convnet = trainNetwork(input_datas, [0.0, 0.1, 0.2, 0.3], networkLayers, opts);
Error using trainNetwork>iAssertCategoricalResponseVector (line 269)
Y must be a vector of categorical responses.

（错误信息对应 [0.0, 0.1, 0.2, 0.3] 向量），但我需要真正的输出，而不是类别。

networkLayers 如下：

>> networkLayers= 

5x1 Layer array with layers:
  1   ''   Image Input       1x6000x1 images with 'zerocenter' normalization
  2   ''   Convolution       10 1x100 convolutions with stride [1  1] and padding [0  0]
  3   ''   Max Pooling       1x20 max pooling with stride [10  10] and padding [0  0]
  4   ''   Fully Connected   200 fully connected layer
  5   ''   Fully Connected   1 fully connected layer

【问题讨论】：

标签： matlab neural-network conv-neural-network matconvnet

【解决方案1】：

为此，您必须更改最后一层。这可以是均方误差函数。 this issue explain how can you do this

也称为回归。您必须手动添加损失函数。

【讨论】：

【解决方案2】：

答案分为两部分

1.分类与回归 This post describe shortly那个

回归：输出变量取连续值。

分类：输出变量采用类标签。

所以我的问题是（当我问这个问题时）我需要一个神经网络来解决回归问题，而不是分类问题。

2。 Matlab 框架

在 Matlab 中有两种使用神经网络的基本方法。

较旧的框架使用“神经网络”类定义全网络。使用这种方式可以轻松构建一些基础网络（例如使用feedforwardnet 或layrecnet），但构建更复杂的网络是一项艰巨的工作。更多使用网络类构建自定义神经网络的详细信息，请参见here。

在 R2016a 中引入了更新的方法。介绍可以找到here。我尝试使用这个框架。但是这个框架只支持从 2017a 开始的回归问题！所以这是一个非常新的工具。但是here 可以找到使用新框架解决回归问题的描述。

【讨论】：