実際の出力でCNNを作成することは可能ですか？

Question

trainNetwork（）の出力タイプはカテゴリ（）でなければなりません。浮動小数点/実数出力を持つCNNを作成するにはどうすればよいですか？

Iは、次のコマンドは、次のエラーを与える意味：

>> 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. 

（エラーメッセージは[0.0、0.1、0.2、0.3]のベクトルに対応する）、しかし、私は実際の出力ではなくカテゴリを必要とします。

networkLayersは以下の通りです：

>> 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 

Answer 1

答えは回帰対2つの部分

1.分類を取る This post describe shortlyだから

Regression: the output variable takes continuous values.

Classification: the output variable takes class labels.

私の問題だった私は、回帰問題のニューラルネットワークを必要としている（私は質問をする場合） 、分類のためではない。

2. MATLABは

は、MATLABでのニューラルネットワークで動作するように二つの基地の方法がありますフレームワーク。

古いフレームワークでは、「ニューラルネットワーク」クラスを使用してすべてのネットワークを定義しました。いくつかの基本ネットワークはこの方法で（例えばfeedforwardnetまたはlayrecnetを使用して）簡単に構築できますが、より複雑なネットワークを構築することは難しい作業です。ネットワーククラスでカスタムニューラルネットワークを構築する詳細については、hereを参照してください。

より新しい方法論がR2016aに導入されました。紹介はhereです。私はこのフレームワークを使用しようとしました。しかし、このフレームワークは2017aからの回帰問題のみをサポートしています！これは本当に新しいツールです。しかし、hereは、回帰問題にnewwerフレームワークを使用するための説明があります。

Answer 2

これを行うために、あなたの最後の層を変更する必要があります。これは平均2乗誤差関数である可能性があります。 this issue explain how can you do this

も回帰と呼ばれます。損失機能を手動で追加する必要があります。