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。

パターン認識

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、自己符号化器の学習

アプリ

Neural Net Pattern Recognition2 層フィードフォワード ネットワークの学習によるデータの分類

クラス

Autoencoder自己符号化器クラス

関数

すべて展開する

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
trainAutoencoder自己符号化器の学習
trainSoftmaxLayer分類用のソフトマックス層の学習
decode符号化されたデータの復号化
encode入力データの符号化
predict学習済みの自己符号化器を使用した入力の再構成
stack複数の自己符号化器から集めた符号化器の積み重ね
networkAutoencoder オブジェクトから network オブジェクトへの変換
patternnetパターン認識ネットワーク
lvqnet学習ベクトル量子化ニューラル 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
roc受信者動作特性
plotconfusion分類の混同行列のプロット
ploterrhistPlot error histogram
plotperformネットワーク性能のプロット
plotregression線形回帰のプロット
plotroc受信者動作特性のプロット
plottrainstatePlot training state values
crossentropyニューラル ネットワーク性能
genFunction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パターンの分類

分類用のニューラル ネットワークを使用します。

学習済みニューラル 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。

ニューラル ネットワークの学習の配布

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。

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。

分類

カニの分類

この例では、ニューラル ネットワークを分類器として使用して、カニの身体寸法からカニの性別を特定する方法を説明します。

ワインの分類

この例では、パターン認識ニューラル ネットワークを使用して、ワイナリーで生産されたワインを化学特性に基づいて分類する方法を説明します。

癌の検出

この例では、タンパク質プロファイルに関する質量分析データを使用して癌を検出するようにニューラル ネットワークに学習させる方法を説明します。

文字認識

この例では、簡単な文字認識を実行するニューラル ネットワークの学習を行う方法を説明します。

自己符号化器

イメージ分類用の積層自己符号化器の学習

この例では、積層自己符号化器に学習させて、数字のイメージを分類する方法を説明します。

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。

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。