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

我使用230个图像[90=Hatchbacks,90=Sedans,50=SUVs]进行80个特征点的分类。 因此我的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

然后我点击PLOT部分中的这4个图并按顺序获得这些图。

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，请有人向我简单解释一下，或者给我一些学习它们的好链接。

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：“第1类中的59个样本被严格分类为第1类，第2类中的13个样本被严格分类为第2类，第3类中的6个样本被严格分类被列为第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 ：