神经网络的输出值

Question

在matlab中使用神经网络工具箱时。

创建网络后，当我尝试使用它来分类两个类时，我得到了某种相似性值。

sim(net,featureVector)的输出返回一个矩阵Out，每行[2x1]，其中某些值介于[0, 1]

之间

我知道sigmoid函数返回[0, 1]之间的值，但问题是：

如果样本的n%类似于A类，那么它应该(100-n)%类似于B类。？

这是我从几个样本得到的输出=＆gt; [其中HIT和FAIL是两个类。]

---

因此，从第二张图像看，神经网络似乎独立于两个类别而返回某种相似性值，这两个类别肯定不遵循上述规则。

看起来它为每个类使用了一些最小距离公式，并独立返回结果。

我的确切问题是。

1。 sim(net,featureVector)方法究竟返回了什么？
 的 2。我在想什么？
 第3。如果是，它使用的最小距离为Algo。
 的 4。请指出我可以了解更多内容的链接。

Answer 1

sim是模拟的快捷方式，而不是相似性。您得到的是网络net的输出节点值。这两个值是属于每个类的独立分数。如果你想要的东西更像＆＃34;概率就像＆＃34;你必须将它标准化，这样做，只需将这个向量除以它自己的总和。因此，将[a b]更改为[a/(a+b) b/(a+b)]，这将导致总计为1的值（根据需要）。

  

    

如果是，它使用的最小距离为Algo。

  

神经网络不是基于与班级的最小距离和＃34;。它是一个更复杂的对象，它来自回归模型，而不是简单的距离测量（尽管显然可以明确地说明与类＃34;距离神经网络权重的类型，但它的等式将是真的很长，特别是像图像这样的高维数据。）