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。

関数近似および非線形回帰

例の入力と出力との非線形関係を汎化するニューラル ネットワークの作成

アプリ

Neural Net FittingFit data by training a two-layer feed-forward network

関数

nnstartニューラル ネットワークの使用開始 GUI
viewView neural network
fitnet関数近似ニューラル ネットワーク
feedforwardnetフィードフォワード ニューラル ネットワーク
cascadeforwardnetCascade-forward neural network
train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
trainrpResilient backpropagation
mse平均二乗正規化誤差性能関数
regression線形回帰
ploterrhistPlot error histogram
plotfitPlot function fit
plotperformPlot network performance
plotregression線形回帰のプロット
plottrainstatePlot training state values
genFunctionGenerate MATLAB function for simulating neural network

例および操作のヒント

基本設計

ニューラル ネットワークによるデータのあてはめ

ニューラル ネットワークの学習を行い、データセットにあてはめます。

多層ニューラル ネットワークの作成、構成、初期化

多層ニューラル ネットワークを準備します。

多層ニューラル ネットワークの学習と適用

関数近似またはパターン認識に対して多層ネットワークの学習を行い、そのネットワークを使用します。

学習後のニューラル ネットワーク性能の分析

ネットワーク性能の分析、学習プロセス、ネットワーク アーキテクチャ、またはデータの調整を行います。

学習済みニューラル ネットワーク関数の配布

MATLAB® ツールを使用して、学習済みニューラル ネットワークのシミュレーションと配布を行います。

ニューラル ネットワークの学習の配布

ネットワークの学習を配布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。

ニューラル ネットワークの学習の速度とメモリの最適化

ニューラル ネットワークの学習を効率化します。

最適解

不明なターゲットまたは don't care ターゲットの表現

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。

Configure Neural Network Inputs and Outputs

Learn how to manually configure the network before training using the configure function.

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。

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。

Train Neural Networks with Error Weights

Learn how to use error weighting when training neural networks.

Normalize Errors of Multiple Outputs

Learn how to fit output elements with different ranges of values.

概念

Workflow for Neural Network Design

Learn the primary steps in a neural network design process.

Four Levels of Neural Network Design

Learn the different levels of using Neural Network Toolbox functionality.

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

多層ニューラル ネットワーク アーキテクチャ

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。

Understanding Neural Network Toolbox Data Structures

Learn how the format of input data structures affects the simulation of networks.

Neural Network Object Properties

Learn properties that define the basic features of a network.

Neural Network Subobject Properties

Learn properties that define network details such as inputs, layers, outputs, targets, biases, and weights.

この情報は役に立ちましたか?