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。

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

アプリ

Neural Net FittingFit data by training a two-layer feed-forward network

関数

nnstartニューラル ネットワークの使用開始 GUI
viewニューラル ネットワークの表示
fitnet関数近似ニューラル ネットワーク
feedforwardnetフィードフォワード ニューラル ネットワーク
cascadeforwardnetカスケードフォワード ニューラル ネットワーク
train浅いニューラル ネットワークの学習
trainlmレーベンバーグ・マルカート法逆伝播
trainbrベイズ正則化逆伝播
trainscgスケーリング共役勾配法逆伝播
trainrp弾性逆伝播法
mse平均二乗正規化誤差性能関数
regression線形回帰
ploterrhistPlot error histogram
plotfit関数近似のプロット
plotperformネットワーク性能のプロット
plotregression線形回帰のプロット
plottrainstatePlot training state values
genFunction浅いニューラル ネットワークのシミュレーション用の MATLAB 関数の生成

例および操作のヒント

基本設計

浅いニューラル ネットワークによるデータのあてはめ

データセットにあてはめるように浅いニューラル ネットワークに学習させます。

浅い多層ニューラル ネットワークの作成、構成、初期化

浅い多層ニューラル ネットワークを準備します。

体脂肪の推定

この例では、関数近似ニューラル ネットワークを使用して、解剖学的測定値に基づいて体脂肪率を推定する方法を説明します。

浅い多層ニューラル ネットワークの学習と適用

関数近似またはパターン認識に対して浅い多層ネットワークの学習を行い、そのネットワークを使用します。

学習後の浅いニューラル ネットワークの性能分析

ネットワーク性能の分析、学習プロセス、ネットワーク アーキテクチャ、またはデータの調整を行います。

浅いニューラル ネットワーク関数の配布

MATLAB® ツールを使用して、学習済みの浅いニューラル ネットワークのシミュレーションと配布を行います。

浅いニューラル ネットワークの学習の配布

浅いニューラル ネットワークの学習を配布する方法を学習します。

学習のスケーラビリティおよび効率性

並列計算および GPU コンピューティングを使用したニューラル ネットワーク

ニューラル ネットワークの学習とシミュレーションを高速化し、大規模データを処理するために、並列計算および分散コンピューティングを使用します。

ニューラル ネットワーク学習時のチェックポイントの自動保存

長時間にわたる学習の実行の成果を保護するために、中間結果を保存します。

ニューラル ネットワークの学習の速度とメモリの最適化

ニューラル ネットワークの学習を効率化します。

最適解

ニューラル ネットワーク入出力処理関数の選択

効率的に学習を行うために入力およびターゲットを前処理します。

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。

ニューラル ネットワークの最適な学習のためのデータの分割

関数を使用してデータを学習セット、検証セット、およびテスト セットに分割します。

多層ニューラル ネットワークの学習関数の選択

異なるタイプの問題について学習アルゴリズムを比較します。

浅いニューラル ネットワークの汎化の改善と過適合の回避

汎化の改善方法と過適合の防止方法について学習します。

誤差の重みを使用したニューラル ネットワークの学習

ニューラル ネットワークに学習させるときに誤差の重み付けを使用する方法を学習します。

複数出力の誤差の正規化

値の範囲が異なる複数の出力要素をあてはめる方法を学習します。

参考文献

浅いニューラル ネットワークの参考文献

ニューラル ネットワークについてのその他のリソースを参照します。

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。

ニューラル ネットワーク設計の 4 つのレベル

ニューラル ネットワークの機能を使用するさまざまなレベルについて学習します。

浅い多層ニューラル ネットワークと逆伝播学習

関数近似とパターン認識用の浅い多層フィードフォワード ニューラル ネットワーク設計のワークフロー

浅い多層ニューラル ネットワーク アーキテクチャ

浅い多層ニューラル ネットワークのアーキテクチャについて学習します。

Deep Learning Toolbox 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。

浅いニューラル ネットワーク用の標本データセット

浅いニューラル ネットワークの機能を試す際に使用する標本データセットのリストを示します。

ニューラル ネットワーク オブジェクトのプロパティ

ネットワークの基本的特徴を定義するプロパティについて学習します。

ニューラル ネットワーク サブオブジェクトのプロパティ

入力、層、出力、ターゲット、バイアス、重みなど、ネットワークの詳細を定義するプロパティについて学習します。