Приближение функций и нелинейная регрессия

Создайте нейронную сеть, чтобы обобщить нелинейные отношения между входами и выходами примера

Приложения

Neural Net FittingПодгонка данных путем обучения двухуровневой сети прямого распространения

Функции

nftoolИнструмент для аппроксимации нейронной сети
viewПросмотр неглубокой нейронной сети
fitnetФункциональная аппроксимация нейронной сети
feedforwardnetСгенерируйте нейронную сеть с feedforward
cascadeforwardnetКаскадно-прямая нейронная сеть
trainОбучите неглубокую нейронную сеть
trainlmЛевенберг-Марквардтская обратная практика
trainbrБайесовская регуляризация обратного распространения
trainscgМасштабированное сопряженное обратное распространение градиента
trainrpУпругое обратное распространение
mseСредняя квадратная нормированная ошибка эффективности функция
regression(Не рекомендуемый) Выполните линейную регрессию выходов малой сети на целевых объектах
ploterrhistГрафик гистограммы ошибки
plotfitФункция построения графикаи
plotperformПостройте график эффективности сети
plotregressionПостройте линейную регрессию
plottrainstateПостройте графики значений состояния обучения
genFunctionСгенерируйте функцию MATLAB для симуляции неглубокой нейронной сети

Примеры и как

Базовый проект

Подгонка данных с помощью неглубокой нейронной сети

Обучите мелкую нейронную сеть, чтобы соответствовать набору данных.

Создание, конфигурирование и инициализация многослойных неглубоких нейронных сетей

Подготовим многослойную неглубокую нейронную сеть.

Оценка жира в организме

Этот пример иллюстрирует, как функционально подходящая нейронная сеть может оценивать процент жира в организме на основе анатомических измерений.

Обучите и примените многослойные неглубокие нейронные сети

Обучите и используйте многослойную мелкую сеть для приближения функций или распознавания шаблона.

Анализируйте эффективность неглубокой нейронной сети после обучения

Анализируйте эффективность сети и корректируйте процесс обучения, сетевую архитектуру или данные.

Развертывание функций неглубокой нейронной сети

Моделируйте и развертывайте обученные неглубокие нейронные сети с помощью MATLAB® инструменты.

Развертывание обучения мелких нейронных сетей

Узнайте, как развернуть обучение неглубоких нейронных сетей.

Масштабируемость и эффективность обучения

Мелкие нейронные сети с параллельными и GPU- Вычисления

Используйте параллельные и распределенные вычисления, чтобы ускорить обучение и симуляцию нейронной сети и обработать большие данные.

Автоматическая сохранение контрольных точек во время обучения нейронной сети

Сохраните промежуточные результаты, чтобы защитить значение длительных запусков.

Оптимизируйте скорость и память обучения нейронной сети

Сделайте обучение нейронной сети более эффективным.

Оптимальные решения

Выберите функции обработки ввода-вывода нейронной сети

Предварительная обработка входов и целей для более эффективного обучения.

Сконфигурируйте входы и выходы неглубокой нейронной сети

Узнайте, как настроить сеть вручную перед обучением с помощью configure функция.

Разделите данные для оптимального обучения нейронной сети

Используйте функции, чтобы разделить данные на наборы для обучения, валидации и тестирования.

Выберите многослойную функцию обучения нейронной сети

Сравнение алгоритмов настройки по различным типам задач.

Улучшите обобщение неглубокой нейронной сети и избегайте избыточного оснащения

Узнать методы, чтобы улучшить обобщение и предотвратить сверхподбор кривой.

Обучите нейронные сети с весами ошибок

Узнать, как использовать взвешивание ошибок при обучении нейронных сетей

Нормализуйте ошибки нескольких выходов

Узнать, как соответствовать выходным элементам с различными областями значений значений.

Концепции

Рабочий процесс для проекта нейронной сети

Узнайте основные шаги в процессе проекта нейронной сети.

Четыре уровня проекта нейронной сети

Изучение различных уровней использования функциональности нейронной сети.

Многослойные неглубокие нейронные сети и обучение обратному распространению

Рабочий процесс для разработки многослойной неглубокой нейронной сети с feedforward для подбора кривой функции и распознавания шаблона.

Многослойная архитектура неглубокой нейронной сети

Изучение архитектуры многослойной неглубокой нейронной сети.

Общие сведения о сетевых структурах данных мелкого заложения

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

Выборочные данные для мелких нейронных сетей

Список выборочных наборов данных для использования при экспериментах с мелкими нейронными сетями.

Свойства объекта нейронной сети

Узнайте свойства, которые определяют основные функции сети.

Свойства подобъекта нейронной сети

Узнайте свойства, которые определяют детали сети, такие как входы, слои, выходы, цели, смещения и веса.

Для просмотра документации необходимо авторизоваться на сайте