理解Matlab模式识别神经网络图

Question

我目前正在做一个关于车辆分类的项目,它现在几乎已经完成,但我对我从神经网络得到的图表有几处困惑

我[90=Hatchbacks,90=Sedans,50=SUVs]在80个特征点上使用230个图像进行分类.因此,我vInput是一个[80x230]矩阵,我的vTarget是[3x230]矩阵

分类器运行良好,但我不理解这些情节或它们是否异常.

我的神经网络

然后我在PLOT部分中点击了这4个图并按顺序得到了这些图.

绩效图

训练状态

混乱情节

接收机工作特性图

我知道这些图像是很多图像,但我对它们一无所知.在matlab文档中,他们只是训练系统并绘制图形
所以请有人简单地向我解释它们或给我一些很好的链接来学习它们.

Answer 1

前两个图显示了培训统计.

Performance Plot以对数刻度显示所有数据集的均方误差动态.培训MSE总是在减少,所以你应该对它的验证和测试MSE感兴趣.你的情节显示了完美的训练.

培训州向您显示其他一些培训统计数据.

梯度是以对数标度在每次迭代时的反向传播梯度的值.5e-7表示您已达到目标函数的当地最小值的底部.

验证失败是验证MSE增加其值时的迭代.很多失败意味着owertrainig,但在你的情况下它是好的.连续6次失败后,Matlab会自动停止训练.

其他两个图表显示了训练后网络模拟的结果.

混乱情节.在你的情况下,它100%准确.绿色单元代表正确答案,红色单元代表所有类型的错误答案.

例如,您可以将第一个(训练集)读作:"来自第1类的59个样本被严格地分类为第1类,来自第2类的13个样本被严格地分类为第2类,并且来自第3类的6个样本被严格地分类为第1类被列为第3类".

接收器操作特性图显示相同的内容,但以不同的方式 - 使用ROC曲线: