Задайте мелкие архитектуры нейронной сети

Задайте мелкие архитектуры нейронной сети и алгоритмы

Функции

networkСоздайте пользовательскую мелкую нейронную сеть

Примеры и руководства

Пользовательские нейронные сети

Создайте объект нейронной сети

Создайте и изучите основные компоненты объекта нейронной сети.

Сконфигурируйте мелкие вводы и выводы нейронной сети

Узнать, как вручную сконфигурировать сеть перед обучением с помощью configure функция.

Понимание мелких сетевых структур данных

Узнать, как формат структур входных данных влияет на симуляцию сетей.

Отредактируйте мелкие свойства нейронной сети

Настройте сетевую архитектуру с помощью ее свойств и используйте и обучите пользовательскую сеть.

Исторические и альтернативные нейронные сети

Адаптивные фильтры нейронной сети

Спроектируйте адаптивную линейную систему, которая отвечает на изменения в ее среде, когда она действует.

Нейронные сети Perceptron

Изучите архитектуру, проект и обучение perceptron сетей для простых проблем классификации.

Классификация с 2D входом Perceptron

2D входной нейрон жесткого предела обучен классифицировать четыре входных вектора в две категории.

Входные векторы выброса

Нейрон жесткого предела с 2 входами обучен классифицировать 5 входных векторов в две категории.

Нормированное правило Perceptron

Нейрон жесткого предела с 2 входами обучен классифицировать 5 входных векторов в две категории.

Линейно неотделимые векторы

Нейрону жесткого предела с 2 входами не удается правильно классифицировать 5 входных векторов, потому что они линейно неотделимы.

Радиальные базисные нейронные сети

Учитесь проектировать и использовать радиальные базисные сети.

Радиальное базисное приближение

Этот пример использует функцию NEWRB, чтобы создать радиальную базисную сеть, которая аппроксимирует функцию, определяемую набором точек данных.

Радиальное основание нейроны Underlapping

Радиальная базисная сеть обучена, чтобы ответить на определенные входные параметры с целевыми выходными параметрами.

Радиальные базисные нейроны наложения

Радиальная базисная сеть обучена, чтобы ответить на определенные входные параметры с целевыми выходными параметрами.

Приближение функций GRNN

Этот пример использует функции NEWGRNN и SIM.

Классификация PNN

Этот пример использует функции NEWPNN и SIM.

Вероятностные нейронные сети

Используйте вероятностные нейронные сети для проблем классификации.

Обобщенные нейронные сети регрессии

Учитесь проектировать обобщенную нейронную сеть регрессии (GRNN) для приближения функций.

Нейронные сети Изучения векторного квантования (LVQ)

Создайте и обучите Нейронную сеть Изучения векторного квантования (LVQ).

Изучение векторного квантования

Сеть LVQ обучена, чтобы классифицировать входные векторы согласно данным целям.

Линейные нейронные сети

Спроектируйте линейную сеть, которая, когда подарено набор данных входных векторов, производит выходные параметры соответствующих целевых векторов.

Проект линейного предсказания

Этот пример иллюстрирует, как спроектировать линейный нейрон, чтобы предсказать следующее значение во временных рядах, учитывая последние пять значений.

Адаптивное линейное предсказание

В этом примере показано, как адаптивный линейный слой может учиться предсказывать следующее значение в сигнале, учитывая текущие и последние четыре значения.

Концепции

Рабочий процесс для проекта нейронной сети

Изучите первичные шаги в процессе проектирования нейронной сети.

Модель нейрона

Узнайте о нейроне одно входа, основном базовом блоке для нейронных сетей.

Архитектуры нейронной сети

Изучите архитектуру сингла - и многоуровневые сети.

Пользовательские функции помощника нейронной сети

Используйте функции шаблона, чтобы создать пользовательские функции, что алгоритмы управления, чтобы инициализировать, симулируйте и обучите свои сети.

Для просмотра документации необходимо авторизоваться на сайте