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。

浅い多層ニューラル ネットワークと逆伝播学習

浅い多層フィードフォワード ニューラル ネットワークは、関数近似とパターン認識の両方の問題に使用できます。タップ付き遅延線を加えることにより、時系列時間遅れニューラル ネットワークの設計で説明されている予測問題にも使用できます。ここでは、多層ネットワークの使用方法を説明します。また、ニューラル ネットワーク設計の基本的な手順についても説明します。

メモ

このトピックで説明している学習関数は、多層ネットワークに限定されるものではありません。そのコンポーネントが微分可能であれば、任意のアーキテクチャ (カスタム ネットワークを含む) の学習に使用できます。

一般的なニューラル ネットワークの設計プロセスのワークフローは、次の 7 つの主要ステップで構成されます。

  1. データの収集

  2. ネットワークの作成

  3. ネットワークの構成

  4. 重みとバイアスの初期化

  5. ネットワークの学習

  6. ネットワークの検証 (学習後の分析)

  7. ネットワークの利用

ステップ 1 は、Deep Learning Toolbox™ ソフトウェアのフレームワーク外で行われる場合がありますが、このステップは、設計プロセスを成功させるうえで重要です。

このワークフローの詳細は、次の節で説明されています。

オプションのワークフロー ステップの詳細は、次の節で説明されています。

時系列、動的なモデル化、予測については、次の節を参照してください。