解释我的神经网络的输出

Question

我尝试在matlab中训练一个神经网络，首先我构建了如下的ANN

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

生成具有以下架构的 ANN：

然后我按如下方式测试我的神经网络

outputsOfTest = sim(net , XTEST);

outputsOfTest 是表示神经网络测试输出的向量，通常outputsOfTest 的一些元素是负值，例如outputsOfTest 会是这样的[-.34 1.17 .17]。

那么如何解释这个输出呢？负值表示什么？基于此输出，测试数据将属于哪一类？

1. 我是否应该将最大值作为测试数据所属类别的指标？
   例如如果我有输出向量[-2 .5 1]，其中最大值是1，那么测试数据所属的类是3类
2. 我应该取最大值（取绝对值）吗？
   例如，如果我有输出向量 [-2 .5 1] ，它的大小中的最大值是第一个元素，那么测试数据所属的类是类 1。

注意：有时outputsOfTest的元素之和超过1，元素之和可能达到2.5，这正常吗？

Answer 1

您的输出层似乎具有线性激活函数。因此，您的输出向量分量的值不限于 0 和 1 之间。对于分类，您应该使用 softmax 激活函数：

(Source)
softmax 的使用导致向量分量的值介于 0 和 1 之间，并且每个向量的总和为 1。所以基本上你得到了你的类的概率分布。 Matlab help 有一张显示效果的图片（左输入，softmax 之后）：

在UFDL Tutorial中有更多关于它的信息。

据我所知，以下代码更改可能在 Matlab 中有效：

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