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

2 層フィードフォワードネットワークを使用した近似問題の求解

関数

`nftool`	ニューラルネットフィッティングアプリを開く
`view`	浅層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の生成
`cascadeforwardnet`	カスケードフォワードニューラルネットワークの生成

`train`	浅層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`	(非推奨) ターゲットでの浅層ネットワーク出力の線形回帰の実行
`ploterrhist`	誤差のヒストグラムのプロット
`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
`plottrainstate`	学習状態値のプロット
`genFunction`	浅層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

例および使用方法

基本設計

パターン認識、クラスタリング、および時系列用の浅層ネットワーク
アプリと関数を使用して、関数近似、パターン認識、クラスタリング、および時系列解析用の浅層ニューラルネットワークを設計します。
浅層ニューラルネットワークによるデータの当てはめ
データセットに当てはめるように浅層ニューラルネットワークに学習させます。
浅層の多層ニューラルネットワークの作成、構成、初期化
浅層の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。
浅層の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層の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する。
学習後の浅層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。
浅層ニューラルネットワーク関数の展開
MATLAB^® ツールを使用して、学習済みの浅層ニューラルネットワークのシミュレーションと展開を行います。
浅層ニューラルネットワークの学習の展開
浅層ニューラルネットワークの学習を展開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浅層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。
CPU および GPU での浅層ネットワークの学習
浅層ネットワークを使用して大規模な問題の学習およびシミュレーションを高速化します。

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。
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。
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。
浅層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。
多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当てはめる方法を学習します。

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。
浅層の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層の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
浅層の多層ニューラルネットワークアーキテクチャ
浅層の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。
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用のサンプルデータセット
浅層ニューラルネットワークの機能を試す際に使用するサンプル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。