制定无图像的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，我想将网络过渡到RNN或LSTM体系结构，但还没有。）

可悲的是，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];

如何设置网络以仅接受36个浮点输入？我有一个要使用的训练数据为900000行36列的矩阵（对于地面真实情况，则为900000x24）。

Answer 1

如果我理解正确，如果您有36个行的900000个样本，则您已经有一个平面数组作为输入，因此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）更好。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]，因为只有一行，并为拟合提供一组目标。