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。

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ワークフローは、7 つの主要ステップで構成されます。参照先のトピックで、ステップ 2、3、および 5 の基本的な概念について説明しています。

  1. データの収集

  2. ネットワークの作成 — ニューラル ネットワーク オブジェクトの作成

  3. ネットワークの構成 — ニューラル ネットワークの入出力の構成

  4. 重みとバイアスの初期化

  5. ネットワークの学習 — ニューラル ネットワークの学習の概念

  6. ネットワークの検証

  7. ネットワークの利用

ステップ 1 のデータ収集は通常、Deep Learning Toolbox™ ソフトウェアのフレームワーク外で行われますが、浅い多層ニューラル ネットワークと逆伝播学習で一般論として説明しています。他のステップの詳細およびステップ 4、6、および 7 の説明は、それぞれのネットワーク タイプについてのトピックで説明しています。

Deep Learning Toolbox ソフトウェアは、ネットワーク オブジェクトを使用して、ニューラル ネットワークを定義するすべての情報を格納します。このトピックでは、ニューラル ネットワークの基本的なコンポーネントについて説明します。また、それらのコンポーネントを作成し、ネットワーク オブジェクトに保存する方法を示します。

ニューラル ネットワークは作成後、構成と学習が必要です。構成では、サンプル データによる定義のとおり、解く問題に合うようにネットワークを準備します。ネットワークを構成した後、調整可能なネットワーク パラメーター (重みおよびバイアスと呼ばれる) を調整してネットワーク性能を最適化する必要があります。この調整プロセスは、ネットワークの学習と呼ばれます。構成と学習では、ネットワークにデータの例を提供する必要があります。このトピックでは、ネットワークに与えるデータの形式を整える方法を示します。また、ネットワークの構成について説明するほか、2 つのネットワーク学習形態、インクリメンタル学習とバッチ学習についても説明します。

関連するトピック