理解Matlab模式识别神经网络图

Question

我目前正在做一个关于车辆分类的项目，现在几乎已经完成，但我对我从神经网络获得的情节感到困惑

我使用230张图片[90=Hatchbacks,90=Sedans,50=SUVs]对80个要素点进行分类。 因此，我的vInput是[80x230]矩阵，我的vTarget是[3x230]矩阵

分类器效果很好但我不理解这些情节或是否有异常。

我的神经网络

然后我点击PLOT部分中的这4个图并按顺序获得这些图。

效果图

培训状态

混乱情节

接收器操作特性图

我知道这些图像是很多图像，但我对它们一无所知。 在matlab文档中，他们只是训练系统并绘制图形 所以请有人向我简单解释一下，或者给我一些很好的学习链接。

Answer 1

前两个图显示了训练统计数据。

性能图显示您以对数刻度表示所有数据集的平方误差动态。培训MSE总是在减少，所以你应该对它的验证和测试MSE感兴趣。你的情节显示了完美的训练。

培训状态会向您显示其他一些培训统计信息。

梯度是以对数标度在每次迭代时的反向传播梯度的值。 5e-7表示您已达到目标函数的当地最小值的底部。

验证失败是验证MSE增加其值时的迭代。很多失败意味着owertrainig，但在你的情况下它是好的。连续6次失败后，Matlab会自动停止训练。

其他两个图表显示了培训后网络模拟的结果。

混乱情节。在你的情况下，它100％准确。绿色单元格代表正确答案，红色单元格代表所有类型的错误答案。

例如，您可以将第一个（训练集）读作：“1级中的59个样本被严格分类为1级，来自2级的13个样本被严格分类为2级，6个样本来自该类3被严格归类为3级“。

接收器操作特性图显示相同的内容，但以不同的方式显示 - 使用ROC curve：