Neural Net Fitting

Решите подходящую задачу с помощью сетей прямого распространения 2D слоя

Описание

Приложение Neural Net Fitting позволяет вам создать, визуализировать и обучить сеть прямого распространения 2D слоя решать данные подходящие задачи.

Используя это приложение, вы можете:

  • Импорт данных из файла, MATLAB® рабочая область или использование один из наборов данных в качестве примера.

  • Разделите данные в обучение, валидацию и наборы тестов.

  • Задайте и обучите нейронную сеть.

  • Оцените производительность сети с помощью среднеквадратической ошибки и регрессионного анализа.

  • Анализируйте результаты с помощью графиков визуализации, таких как подгонка регрессии или гистограмма ошибок.

  • Сгенерируйте скрипты MATLAB, чтобы воспроизвести результаты и настроить учебный процесс.

  • Сгенерируйте функции, подходящие для развертывания с инструментами MATLAB Compiler™ и MATLAB Coder™, и экспортируйте в Simulink® для использования с Simulink Coder.

Neural Net Fitting app

Откройте приложение Neural Net Fitting

  • Панель инструментов MATLAB: На вкладке Apps, под Machine Learning and Deep Learning, кликают по значку приложения.

  • Командная строка MATLAB: Войти nftool.

Алгоритмы

Приложение Neural Net Fitting обеспечивает встроенные алгоритмы настройки, которые можно использовать, чтобы обучить нейронную сеть.

Алгоритм обученияОписание
Levenberg-Marquardt

Обновите вес и сместите значения согласно оптимизации Levenberg-Marquardt. Обучение Levenberg-Marquardt часто является самым быстрым алгоритмом настройки, несмотря на то, что действительно требуется больше памяти, чем другие методы.

Чтобы реализовать этот алгоритм, приложение Neural Net Fitting использует trainlm функция.

Байесова регуляризация

Байесова регуляризация обновляет вес и значения смещения согласно оптимизации Levenberg-Marquardt. Это затем минимизирует комбинацию квадратичных невязок и весов, и определяет правильную комбинацию, чтобы произвести сеть, которая делает вывод хорошо. Этот алгоритм обычно занимает больше времени, но способен делать вывод к шумным или небольшим наборам данных.

Чтобы реализовать этот алгоритм, приложение Neural Net Fitting использует trainbr функция.

Масштабированная обратная связь метода сопряженных градиентов

Масштабированная обратная связь метода сопряженных градиентов обновляет вес и значения смещения согласно масштабированному методу сопряженных градиентов. Для больших проблем рекомендуется масштабируемый метод сопряженных градиентов, когда он использует вычисления градиента, которые используют память более эффективно, чем вычисления Якобиана, используемые Levenberg-Marquardt или Байесовой регуляризацией.

Чтобы реализовать этот алгоритм, приложение Neural Net Fitting использует trainscg функция.

Смотрите также

Приложения

Функции

Для просмотра документации необходимо авторизоваться на сайте