浅層ニューラルネットワークアーキテクチャの定義

浅層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

関数

network 浅層カスタムニューラルネットワークの作成

例および使用方法

カスタムニューラルネットワーク

ニューラルネットワークオブジェクトの作成
ニューラルネットワークオブジェクトの基本的なコンポーネントを作成し、それらのコンポーネントについて学習します。
浅層ニューラルネットワークの入出力の構成
学習させる前の、関数 configure を使用したネットワークの手動による構成方法を学びます。
浅層ネットワークのデータ構造について
入力データ構造の形式がネットワークのシミュレーションにどのような影響を与えるかを学習します。
浅層ニューラルネットワークのプロパティの編集
ネットワークアーキテクチャをそのプロパティを使用してカスタマイズし、カスタムネットワークを使用して学習を行います。

過去および代替のニューラルネットワーク

適応ニューラルネットワークフィルター
動作中の環境の変化に応答する適応線形システムを設計します。
パーセプトロンニューラルネットワーク
簡単な分類問題におけるパーセプトロンネットワークのアーキテクチャ、設計、および学習について学習します。
2 入力パーセプトロンによる分類
4 つの入力ベクトルを 2 つのカテゴリに分類するように、2 入力ハード制限ニューロンの学習を行います。
外れ値の入力ベクトル
5 つの入力ベクトルを 2 つのカテゴリに分類するように、2 入力ハード制限ニューロンの学習を行います。
正規化パーセプトロン規則
5 つの入力ベクトルを 2 つのカテゴリに分類するように、2 入力ハード制限ニューロンの学習を行います。
線形分離不可能なベクトル
2 入力ハード制限ニューロンは、線形分離不可能な 5 つの入力ベクトルを適切に分類できません。
放射基底ニューラルネットワーク
放射基底ネットワークの設計および使用について学習します。
放射基底近似
この例では、関数 NEWRB を使用して、一連のデータ点によって定義された関数を近似する、放射基底ネットワークを作成します。
放射基底アンダーラッピングニューロン
ターゲット出力を使用して特定の入力に応答するように放射基底ネットワークの学習を行います。
放射基底オーバーラッピングニューロン
ターゲット出力を使用して特定の入力に応答するように放射基底ネットワークの学習を行います。
GRNN 関数近似
この例では、関数 NEWGRNN および SIM を使用します。
PNN 分類
この例では、関数 NEWPNN および SIM を使用します。
確率的ニューラルネットワーク
分類問題に確率的ニューラルネットワークを使用します。
一般回帰ニューラルネットワーク
関数近似用の一般回帰ニューラルネットワーク (GRNN) の設計を学習します。
学習ベクトル量子化 (LVQ) ニューラルネットワークの学習
学習ベクトル量子化 (LVQ) ニューラルネットワークを作成して学習を行います。
学習ベクトル量子化
特定のターゲットに応じて入力ベクトルを分類するように、LVQ ネットワークの学習を行います。
線形ニューラルネットワーク
所定の一連の入力ベクトルが与えられると対応するターゲットベクトルの出力を生成する線形ネットワークを設計します。
線形予測の設計
この例では、最後の 5 つの値が与えられた場合に時系列の次の値を予測するように線形ニューロンを設計する方法を説明します。
適応線形予測
この例では、現在の値および最後の 4 つの値が与えられた場合に信号の次の値を予測するように、適応線形層に学習させる方法を示します。

概念

ニューラルネットワーク設計のワークフロー
ニューラルネットワークの設計プロセスの主要ステップについて学習します。
ニューロンモデル
ニューラルネットワークの基本構成である単入力ニューロンについて学習します。
ニューラルネットワークアーキテクチャ
単層および多層ネットワークのアーキテクチャについて学習します。

浅層ニューラル ネットワーク アーキテクチャの定義

関数

例および使用方法

カスタム ニューラル ネットワーク

過去および代替のニューラル ネットワーク

概念

浅層ニューラルネットワークアーキテクチャの定義

カスタムニューラルネットワーク

過去および代替のニューラルネットワーク