ドキュメンテーション

最新のリリースでは、このページがまだ翻訳されていません。 このページの最新版は英語でご覧になれます。

Neural Network Toolbox

浅い学習用および深層学習用のニューラル ネットワークの作成、学習、およびシミュレーション

Neural Network Toolbox™ には、浅いニューラル ネットワークと深い (深層) ニューラル ネットワークの両方の作成、学習、可視化、およびシミュレーションを行うためのアルゴリズム、事前学習済みのモデル、およびアプリが用意されています。分類、回帰、クラスタリング、次元削減、時系列の予測、および動的システムのモデル化と制御を実行できます。

深層学習ネットワークには、イメージの分類、回帰、および特徴の学習用のたたみ込みニューラル ネットワーク (ConvNet、CNN) および自己符号化器が含まれます。

学習セットが小さい場合、事前学習済みの深いネットワークを使用して転移学習を実行することによって、深層学習をすぐに適用できます。大きなデータセットの学習時間を短縮するには、Parallel Computing Toolbox™ を使用して、計算およびデータをデスクトップ上のマルチコア プロセッサおよび GPU に分散させることができます。また、MATLAB® Distributed Computing Server™ を使用してクラスターおよびクラウド (Amazon EC2® P2 GPU インスタンスなど) にスケール アップすることもできます。

Neural Network Toolbox 入門

Neural Network Toolbox の基礎を学ぶ

深層学習

分類および回帰用のたたみ込みニューラル ネットワーク (CNN、ConvNet)、および特徴学習用の自己符号化器ニューラル ネットワークの構築および学習

関数近似および非線形回帰

例の入力と出力との非線形関係を汎化するニューラル ネットワークの作成

パターン認識および分類

例の入力とそのクラスからの汎化を行うニューラル ネットワークの学習、自己符号化器を使用した深いネットワークの構築

クラスタリング

自然な分布、カテゴリ、およびカテゴリの関係の検出

時系列および動的システム

非線形動的システムのモデル化、逐次データを使用した予測の実行

ニューラル ネットワーク制御システム

モデル予測、NARMA-L2、およびモデル規範型のニューラル ネットワークを使用した非線形システムの制御

ニューラル ネットワーク アーキテクチャの定義

高度な用途向けの新しいニューラル ネットワーク アーキテクチャおよびアルゴリズムの定義

この情報は役に立ちましたか?