Нейронные сети

Нейронные сети для двоичной и многоклассовой классификации

Модели нейронной сети структурированы как серия слоев, которые отражают то, как мозг обрабатывает информацию. Нейронные сетевые классификаторы, доступные в Statistics and Machine Learning Toolbox™, полностью подключены, с feedforward нейронные сети, 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 классификатор нейронных сетей с помощью fitcnet в интерфейсе командной строки. После обучения можно классифицировать новые данные путем передачи модели и новых данных предиктора predict.

Если вы хотите создать более сложные 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

расширить все

fitcnetОбучите модель классификации нейронных сетей
compactУменьшите размер модели машинного обучения
crossvalПерекрестная валидация модели машинного обучения
kfoldLossКлассификационные потери для перекрестно проверенной классификационной модели
kfoldPredictКлассифицируйте наблюдения в перекрестно проверенной классификационной модели
kfoldEdgeКлассификационные ребра для перекрестно проверенной классификационной модели
kfoldMarginКлассификационные поля для перекрестно проверенной классификационной модели
kfoldfunФункция перекрестной проверки для классификации
lossКлассификационные потери для классификатора нейронной сети
resubLossПотери по классификации реституции
edgeКлассификационные ребра для классификатора нейронных сетей
marginКлассификационные поля для классификатора нейронной сети
resubEdgeРебро классификации реституции
resubMarginКлассификационный запас для реституции
predictКлассифицируйте наблюдения с помощью классификатора нейронных сетей
resubPredictКлассификация обучающих данных с помощью обученного классификатора

Объекты

ClassificationNeuralNetworkМодель нейронной сети для классификации
CompactClassificationNeuralNetworkКомпактная модель нейронной сети для классификации
ClassificationPartitionedModelПерекрестная проверенная классификационная модель

Темы

Оценка эффективности классификатора нейронных сетей

Использовать fitcnet создать классификатор нейронной сети с feedforward с полносвязными слоями и оценить эффективность модели на тестовых данных.

Обучите классификаторы нейронных сетей с помощью приложения Classification Learner

Создайте и сравните классификаторы нейронных сетей и экспортируйте обученные модели, чтобы делать предсказания для новых данных.

Для просмотра документации необходимо авторизоваться на сайте