Нейронные сети

Нейронные сети для двоичного файла и классификации мультиклассов

Модели нейронной сети структурированы как серия слоев, которые отражают путь мозговая информация о процессах. Классификаторы нейронной сети, доступные в Statistics and Machine Learning Toolbox™, полностью соединяются, нейронные сети прямого распространения, для которых можно настроить размер полносвязных слоев и изменить функции активации слоев.

Чтобы обучить модель классификации нейронных сетей, используйте  приложение Classification Learner. Для большей гибкости обучите использование классификатора нейронной сети fitcnet в интерфейсе командной строки. После обучения можно классифицировать новые данные путем передачи модели и новых данных о предикторе к predict.

Если вы хотите создать более комплексные нейронные сети для глубокого обучения и иметь Deep Learning Toolbox™, можно попробовать приложение Deep Network Designer (Deep Learning Toolbox).

Приложения

Classification LearnerОбучите модели классифицировать данные с помощью машинного обучения с учителем

Функции

развернуть все

fitcnetОбучите модель классификации нейронных сетей
compactУменьшайте размер модели машинного обучения
crossvalПерекрестный подтвердите модель машинного обучения
kfoldLossПотеря классификации для перекрестной подтвержденной модели классификации
kfoldPredictКлассифицируйте наблюдения на перекрестную подтвержденную модель классификации
kfoldEdgeРебро классификации для перекрестной подтвержденной модели классификации
kfoldMarginПоля классификации для перекрестной подтвержденной модели классификации
kfoldfunПерекрестный подтвердите функцию для классификации
lossПотеря классификации для классификатора нейронной сети
resubLossПотеря классификации перезамены
edgeРебро классификации для классификатора нейронной сети
marginПоля классификации для классификатора нейронной сети
resubEdgeРебро классификации перезамены
resubMarginПоле классификации перезамены
predictКлассифицируйте наблюдения с помощью классификатора нейронной сети
resubPredictКлассифицируйте обучающие данные с помощью обученного классификатора

Объекты

ClassificationNeuralNetworkМодель нейронной сети для классификации
CompactClassificationNeuralNetworkКомпактная модель нейронной сети для классификации
ClassificationPartitionedModelПерекрестная подтвержденная модель классификации

Темы

Оцените эффективность классификатора нейронной сети

Использование fitcnet создать классификатор нейронной сети прямого распространения с полносвязными слоями и оценить эффективность модели на тестовых данных.

Обучите классификаторы нейронной сети Используя приложение Classification Learner

Создайте и сравните классификаторы нейронной сети и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Для просмотра документации необходимо авторизоваться на сайте