浅層の多層ニューラル ネットワークと逆伝播学習
浅層の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。
データの収集
ネットワークの作成
ネットワークの構成
重みとバイアスの初期化
ネットワークの学習
ネットワークの検証 (学習後の分析)
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。