MATLAB中如何使用weightDecay正则化选项来防止CNN过拟合

在MATLAB中，可以使用`trainingOptions`函数中的`WeightRegularization`参数来实现weightDecay正则化选项。具体步骤如下：

1. 定义一个`layerGraph`对象，然后添加CNN网络层和输出层。
2. 使用`imageDatastore`函数加载训练图像数据，并使用`augmentedImageDatastore`函数进行数据增强。
3. 使用`trainingOptions`函数定义训练选项，包括`WeightRegularization`参数，该参数用于指定weightDecay正则化的权重。
4. 使用`trainNetwork`函数进行训练。

下面是一个示例代码：

% 定义网络结构
layers = [
    imageInputLayer([28 28 1])
    convolution2dLayer(5,20)
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

% 加载数据
imdsTrain = imageDatastore('trainingImages');
augimdsTrain = augmentedImageDatastore([28 28 1], imdsTrain);

% 定义训练选项
options = trainingOptions('sgdm',...
    'MaxEpochs',20,...
    'InitialLearnRate',0.01,...
    'L2Regularization',0.0001,...
    'MiniBatchSize',128,...
    'Shuffle','every-epoch',...
    'ValidationData',augimdsValidation,...
    'ValidationFrequency',30,...
    'Verbose',false,...
    'Plots','training-progress');

% 训练网络
net = trainNetwork(augimdsTrain,layers,options);

在上面的代码中，`L2Regularization`参数用于指定L2正则化的权重，即weightDecay正则化的权重。通过调整该参数的值，可以控制正则化的强度。