Нейронные сети

Нейронные сети для регрессии

Модели нейронной сети структурированы как серия слоев, которые отражают путь мозговая информация о процессах. Модели нейронной сети регрессии, 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 нейронной сети регрессии, используйте  приложение Regression Learner. Для большей гибкости обучите использование модели нейронной сети регрессии fitrnet в интерфейсе командной строки. После обучения можно предсказать ответы для новых данных 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

Regression LearnerОбучите модели регрессии предсказывать данные с помощью машинного обучения с учителем

Функции

развернуть все

fitrnetОбучите модель регрессии нейронной сети
compactУменьшайте размер модели машинного обучения
crossvalПерекрестный подтвердите модель машинного обучения
kfoldLossПотеря для перекрестной подтвержденной разделенной модели регрессии
kfoldPredictПредскажите ответы для наблюдений в перекрестной подтвержденной модели регрессии
kfoldfunПерекрестный подтвердите функцию для регрессии
lossПотеря для нейронной сети регрессии
resubLossПотеря регрессии перезамены
predictПредскажите ответы с помощью нейронной сети регрессии
resubPredictПредскажите ответы для обучающих данных с помощью обученной модели регрессии

Объекты

RegressionNeuralNetworkМодель нейронной сети для регрессии
CompactRegressionNeuralNetworkКомпактная модель нейронной сети для регрессии
RegressionPartitionedModelПерекрестная подтвержденная модель регрессии

Темы

Оцените эффективность нейронной сети регрессии

Использование fitrnet создать модель нейронной сети регрессии прямого распространения с полносвязными слоями и оценить эффективность модели на тестовых данных.

Обучите нейронные сети регрессии Используя приложение Regression Learner

Создайте и сравните нейронные сети регрессии и экспортируйте обученные модели, чтобы сделать предсказания для новых данных.

Для просмотра документации необходимо авторизоваться на сайте