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

説明

ニューラルネットパターン認識アプリでは、データ分類問題を解くために、2 層フィードフォワードネットワークの作成、可視化、学習ができます。

このアプリを使って次のことを実行できます。

ファイルまたは MATLAB^® ワークスペースからデータをインポートするか、サンプルデータセットの 1 つを使用する。
学習セット、検証セット、およびテストセットへのデータの分割。
ニューラルネットワークの定義と学習。
交差エントロピー誤差と誤分類誤差率を使用したネットワーク性能の評価。
混同行列や受信者動作特性曲線などの可視化プロットの使用による結果の解析。
結果を再現したり、学習プロセスをカスタマイズしたりするための MATLAB スクリプトの生成。
MATLAB Compiler™ および MATLAB Coder™ ツールによる展開に適した関数の生成、および Simulink^® Coder での使用に向けた Simulink へのエクスポート。

メモ

深層学習ニューラルネットワークの構築、可視化、および学習を対話的に行うには、ディープネットワークデザイナーアプリを使用します。詳細については、ディープネットワークデザイナー入門を参照してください。

ニューラルネットパターン認識アプリには、ニューラルネットワークに学習させるために使用できる組み込みの学習アルゴリズムが用意されています。

学習アルゴリズム説明

学習アルゴリズム	説明
スケーリング共役勾配法逆伝播	スケーリング共役勾配法逆伝播は、スケーリング共役勾配法に従って重みとバイアスの値を更新します。このアルゴリズムを実装するために、ニューラルネットパターン認識アプリでは関数 `trainscg` を使用しています。

スケーリング共役勾配法逆伝播

スケーリング共役勾配法逆伝播は、スケーリング共役勾配法に従って重みとバイアスの値を更新します。

このアルゴリズムを実装するために、ニューラルネットパターン認識アプリでは関数 trainscg を使用しています。