解释我的神经网络的输出

Question

我曾尝试在matlab中训练神经网络，首先我按照以下方式构建了神经网络

net = feedforwardnet([30 20 20 ]);
[net ,tr] = train(net , XTRAIN , temp); 

生成具有以下架构的ANN：

然后我测试我的神经网络如下

outputsOfTest = sim(net , XTEST);

outputsOfTest是一个向量代表神经网络测试的输出，通常一些outputsOfTest的元素是负值，例如outputsOfTest将是这样的{{1} }}。

那么如何解释这个输出？什么是负值表明？基于此输出，测试数据属于哪一类？

1. 我应该将最大的值作为测试数据属于的类的指标吗？
   例如，如果我有输出向量[-.34 1.17 .17]，其最大值为1，那么测试数据所属的类是3级
2. 我应该在幅度上取最大值（取绝对值）吗？
   例如，如果我有输出向量[-2 .5 1]，它的最大值是第一个元素，那么测试数据所属的类是1级。

注意：有时[-2 .5 1]元素的总和超过1，元素之和可能达到2.5，这是否正常？

Answer 1

您的输出图层似乎具有线性激活功能。因此，您的输出向量组件的值不限制在0和1之间。对于分类，您应该使用softmax激活函数：

（Source）
softmax的使用导致矢量分量的值在0和1之间，并且每个矢量的总和为1。所以基本上你得到了你的课程的概率分布。 Matlab help有一个显示效果的图像（左输入，就在softmax之后）：

UFDL Tutorial中有关于它的更多信息。

根据我的发现，以下代码更改可能在Matlab中起作用：

net = feedforwardnet([30 20 20]);
net.layers{4}.transferFcn='softmax';
[net ,tr] = train(net , XTRAIN , temp);