ニューラルネットパターン認識

(削除予定) 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

ニューラルネットパターン認識アプリは将来のリリースで削除される予定です。詳細については、Transition Legacy Neural Network Code to dlnetwork Workflowsを参照してください。

コードの更新に関するアドバイスについては、バージョン履歴を参照してください。

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。
クロス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。

ヒント

深層学習ニューラルネットワークを対話的に構築して可視化するには、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。

R2026a より前: MATLAB ツールストリップ: [アプリ] タブの [機械学習および深層学習] にあるアプリアイコンをクリックします。
MATLAB コマンドプロンプト: nprtool と入力します。

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 `trainscg` 関数を使用しています。

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 trainscg 関数を使用しています。

ニューラルネットパターン認識アプリは、将来のリリースで削除される予定です。代わりに、分類学習器 (Statistics and Machine Learning Toolbox)アプリを使用してください。