理解Matlab模式識別神經網絡圖

Question

我目前正在做一個關於車輛分類的項目，它現在幾乎已經完成，但我對我從神經網絡得到的圖表有幾處困惑

我使用230個圖像[90=Hatchbacks,90=Sedans,50=SUVs]進行80個特征點的分類。 因此我的vInput是一個[80x230]矩陣，我的vTarget是[3x230]矩陣

分類器運行良好，但我不理解這些情節或它們是否異常。

我的神經網絡

然后我點擊PLOT部分中的這4個圖並按順序獲得這些圖。

績效圖

訓練狀態

混亂情節

接收機工作特性圖

我知道這些圖像是很多圖像，但我對它們一無所知。 在matlab文檔中，他們只是訓練系統並繪制圖形
所以，請有人向我簡單解釋一下，或者給我一些學習它們的好鏈接。

Answer 1

前兩個圖顯示了培訓統計。

Performance Plot以對數刻度顯示所有數據集的均方誤差動態。 培訓MSE總是在減少，所以你應該對它的驗證和測試MSE感興趣。你的情節顯示了完美的訓練。

培訓州向您顯示其他一些培訓統計數據。

梯度是以對數標度在每次迭代時的反向傳播梯度的值。 5e-7表示您已達到目標函數的當地最小值的底部。

驗證失敗是驗證MSE增加其值時的迭代。 很多失敗意味着owertrainig，但在你的情況下它是好的。 連續6次失敗后，Matlab會自動停止訓練。

其他兩個圖表顯示了訓練后網絡模擬的結果。

混亂情節 。 在你的情況下，它100％准確。 綠色單元代表正確答案，紅色單元代表所有類型的錯誤答案。

例如，您可以將第一個（訓練集）讀作：“第1類中的59個樣本被嚴格分類為第1類，第2類中的13個樣本被嚴格分類為第2類，第3類中的6個樣本被嚴格分類被列為第3類“。

接收器操作特性圖顯示相同的內容，但以不同的方式 - 使用ROC曲線 ：