| Распознавание нейронных сетевых образов | Классификация данных путем обучения двухуровневой сети прямой передачи |
Autoencoder | Класс автокодировщика |
Классифицировать шаблоны с неглубокой нейронной сетью
Используйте нейронную сеть для классификации.
Развертывание неглубоких функций нейронной сети
Моделирование и развертывание обученных неглубоких нейронных сетей с помощью инструментов MATLAB ®.
Развертывание обучения неглубоких нейронных сетей
Узнайте, как развернуть обучение неглубоких нейронных сетей.
Неглубокие нейронные сети с параллельными и GPU-вычислениями
Используйте параллельные и распределенные вычисления для ускорения обучения и моделирования нейронных сетей и обработки больших данных.
Автоматическое сохранение контрольных точек во время обучения нейронной сети
Сохраните промежуточные результаты, чтобы защитить ценность длительных тренировок.
Выбор функций обработки ввода-вывода нейронной сети
Предварительная обработка вводимых ресурсов и целевых показателей для повышения эффективности обучения.
Настройка неглубоких входов и выходов нейронной сети
Узнайте, как настроить сеть вручную перед обучением с помощью configure функция.
Разделение данных для оптимального обучения нейронной сети
Используйте функции для разделения данных на обучающие, проверочные и тестовые наборы.
Выбор многоуровневой функции обучения нейронной сети
Сравнение алгоритмов обучения по различным типам задач.
Улучшение неглубокого обобщения нейронных сетей и предотвращение переоборудования
Узнайте о методах улучшения обобщения и предотвращения переоборудования.
Нейронные сети поезда с весами ошибок
Узнайте, как использовать взвешивание ошибок при обучении нейронных сетей.
Нормализация ошибок нескольких выходов
Узнайте, как подогнать выходные элементы с различными диапазонами значений.
Этот пример иллюстрирует использование нейронной сети в качестве классификатора для идентификации пола крабов по физическим размерам краба.
Этот пример иллюстрирует, как нейронная сеть распознавания образов может классифицировать вина по винодельческим предприятиям на основе их химических характеристик.
Этот пример показывает, как обучить нейронную сеть обнаруживать рак с помощью данных масс-спектрометрии по белковым профилям.
Этот пример иллюстрирует, как обучить нейронную сеть выполнять простое распознавание символов.
Составные автокодеры для классификации изображений
В этом примере показано, как обучить накопленные автокодеры классифицировать изображения цифр.
Рабочий процесс для проектирования нейронных сетей
Узнайте основные шаги в процессе проектирования нейронной сети.
Четыре уровня проектирования нейронных сетей
Узнайте о различных уровнях использования функций нейронной сети.
Многоуровневые неглубокие нейронные сети и обучение обратному распространению
Рабочий процесс для разработки многослойной неглубокой нейронной сети с прямой связью для функциональной подгонки и распознавания образов.
Многоуровневая неглубокая нейронная сетевая архитектура
Изучите архитектуру многослойной неглубокой нейронной сети.
Общие сведения о неглубоких структурах сетевых данных
Узнайте, как формат структур входных данных влияет на моделирование сетей.
Образцы наборов данных для неглубоких нейронных сетей
Список наборов данных образцов для использования при экспериментах с неглубокими нейронными сетями.
Свойства объекта нейронной сети
Узнайте о свойствах, определяющих основные функции сети.
Свойства подобъекта нейронной сети
Узнайте свойства, определяющие сведения о сети, такие как входы, слои, выходы, цели, смещения и веса.