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

ニューラルネットパターン認識

2 層フィードフォワードネットワークを使用したパターン認識問題の求解

クラス

Autoencoder 自己符号化器クラス

関数

すべて展開する

対話型ツールおよび可視化ツール

`nprtool`	ニューラルネットパターン認識アプリを開く
`view`	浅層ニューラルネットワークの表示

自己符号化器

`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
`network`	`Autoencoder` オブジェクトから `network` オブジェクトへの変換

パターン認識および学習ベクトル量子化

`patternnet`	パターン認識ネットワークの生成
`lvqnet`	学習ベクトル量子化ニューラルネットワーク

学習オプションおよびネットワーク性能

`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
`roc`	受信者動作特性
`plotconfusion`	分類の混同行列のプロット
`ploterrhist`	誤差のヒストグラムのプロット
`plotperform`	ネットワーク性能のプロット
`plotregression`	線形回帰のプロット
`plotroc`	受信者動作特性のプロット
`plottrainstate`	学習状態値のプロット
`crossentropy`	ニューラルネットワーク性能
`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

浅層ニューラルネットワークによるパターン認識
パターン認識のために浅層ニューラルネットワークを使用する。
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。

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。

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。