Matlab中一维数据的简单去噪自动编码器答案

【问题标题】：Simple denoising autoencoder for 1D data in MatlabMatlab中一维数据的简单去噪自动编码器
【发布时间】：2018-02-07 08:04:15
【问题描述】：

我正在尝试使用 Matlab 为一维数据设置一个简单的去噪自动编码器。由于目前没有专门的一维数据输入层，因此必须使用 imageInputLayer() 函数：

function net = DenoisingAutoencoder(data)
[N, n] = size(data);

%setting up input
X = zeros([n 1 1 N]);
for i = 1:n
    for j = 1:N
        X(i, 1, 1, j) = data(j,i);
    end
end

% noisy X : 1/10th of elements are set to 0
Xnoisy = X;
mask1 = (mod(randi(10, size(X)), 7) ~= 0); 
Xnoisy = Xnoisy .* mask1;

layers = [imageInputLayer([n 1 1]) fullyConnectedLayer(n) regressionLayer()];

opts = trainingOptions('sgdm');
net = trainNetwork(X, Xnoisy, layers, opts);

但是，代码失败并显示以下错误消息：

最后一层的输出大小[1 1 n]不匹配响应大小 [n 1 1]。

关于应该如何重新配置输入/层有什么想法吗？如果fullyConnectedLayer 被忽略，那么代码运行良好，但显然我没有隐藏层。

【问题讨论】：

我无法帮助您，因为我没有工具箱并且响应很少，您是否检查过此解决方法？ nl.mathworks.com/matlabcentral/answers/…

标签： matlab neural-network deep-learning autoencoder

【解决方案1】：

目标输出应该是矩阵，而不是 4D 张量。

这是之前代码的工作版本：

function DenoisingAutoencoder(data)
[N, n] = size(data);
X = data;
Xoriginal = data;
Xout = data';

% corrupting the input
zeroMask = (mod(randi(100, size(X)), 99) ~= 0); 
X = X + randn(size(X))*0.05; 
X = X .* zeroMask;

X4D = reshape(X, [1 n 1 N]);

layers = [imageInputLayer([1 n]) fullyConnectedLayer(n) regressionLayer()];

opts = trainingOptions('sgdm');

net = trainNetwork(X4D, Xout, layers, opts);
R = predict(net, X4D)';

【讨论】：