| Neural Net Fitting | Подходящие данные путем обучения сети форварда канала 2D слоя |
fitnet | Функция, соответствующая нейронной сети |
feedforwardnet | Нейронная сеть Feedforward |
cascadeforwardnet | Прямая каскадом нейронная сеть |
train | Обучите мелкую нейронную сеть |
trainlm | Обратная связь Levenberg-Marquardt |
trainbr | Байесова обратная связь регуляризации |
trainscg | Масштабированная обратная связь метода сопряженных градиентов |
trainrp | Устойчивая обратная связь |
mse | Среднеквадратическая нормированная ошибочная функция производительности |
regression | Линейная регрессия |
ploterrhist | Постройте ошибочную гистограмму |
plotfit | Подгонка функции построения графика |
plotperform | Постройте производительность сети |
plotregression | Постройте линейную регрессию |
plottrainstate | Постройте учебные значения состояния |
genFunction | Сгенерируйте функцию MATLAB для симуляции мелкой нейронной сети |
Подходящие данные с мелкой нейронной сетью
Обучите мелкую нейронную сеть, чтобы соответствовать набору данных.
Создайте, сконфигурируйте и инициализируйте многоуровневые мелкие нейронные сети
Подготовьте многоуровневую мелкую нейронную сеть.
Этот пример иллюстрирует, как функция, соответствующая нейронной сети, может оценить содержание жира в организме на основе анатомических измерений.
Обучите и примените многоуровневые мелкие нейронные сети
Обучите и используйте многоуровневую мелкую сеть для приближения функций или распознавания образов.
Анализируйте мелкую производительность нейронной сети после обучения
Анализируйте производительность сети и настройте учебный процесс, сетевую архитектуру или данные.
Разверните мелкие функции нейронной сети
Моделируйте и разверните обученные мелкие нейронные сети с помощью инструментов MATLAB®.
Разверните обучение мелких нейронных сетей
Узнать, как развернуть обучение мелких нейронных сетей.
Нейронные сети с параллелью и вычислением графического процессора
Используйте параллельные и распределенные вычисления, чтобы ускорить обучение нейронной сети и симуляцию и обработать большие данные.
Автоматически сохраните контрольные точки во время обучения нейронной сети
Сохраните промежуточные результаты защитить значение долгих учебных выполнений.
Оптимизируйте скорость обучения нейронной сети и память
Сделайте обучение нейронной сети более эффективным.
Выберите Neural Network Input-Output Processing Functions
Предварительно обработайте входные параметры и цели для более эффективного обучения.
Сконфигурируйте вводы и выводы нейронной сети
Узнать, как вручную сконфигурировать сеть перед обучением с помощью функции configure.
Разделите данные для оптимального обучения нейронной сети
Используйте функции, чтобы разделить данные на обучение, валидацию и наборы тестов.
Выберите многоуровневую функцию обучения нейронной сети
Сравнение учебных алгоритмов на различных проблемных типах.
Улучшите мелкое обобщение нейронной сети и постарайтесь не сверхсоответствовать
Изучите методы, чтобы улучшить обобщение и предотвратить сверхподбор кривой.
Обучите нейронные сети с ошибочными весами
Узнать, как использовать ошибочное взвешивание при обучении нейронных сетей.
Нормируйте ошибки нескольких Выходных параметров
Узнать, как соответствовать выходным элементам различными областями значений значений.
Мелкая библиография нейронных сетей
Обратитесь к дополнительным источникам информации о нейронных сетях.
Рабочий процесс для проекта нейронной сети
Изучите первичные шаги в процессе проектирования нейронной сети.
Четыре уровня проекта нейронной сети
Изучите разные уровни использования функциональности нейронной сети.
Многоуровневые мелкие нейронные сети и обучение обратной связи
Рабочий процесс для разработки многоуровневой мелкой feedforward нейронной сети для функционального подбора кривой и распознавания образов.
Многоуровневая мелкая архитектура нейронной сети
Изучите архитектуру многоуровневой мелкой нейронной сети.
Понимание структур данных Deep Learning Toolbox
Узнать, как формат структур входных данных влияет на симуляцию сетей.
Наборы выборочных данных для мелких нейронных сетей
Список наборов выборочных данных, чтобы использовать при экспериментировании с мелкими нейронными сетями.
Свойства объектов нейронной сети
Изучите свойства, которые задают основные характеристики сети.
Подсвойства объектов нейронной сети
Изучите свойства что детали сети define, такие как входные параметры, слои, выходные параметры, цели, смещения и веса.