このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。
ニューラル ネットワーク
バイナリおよびマルチクラス分類用のニューラル ネットワーク
ニューラル ネットワーク モデルは、脳による情報の処理方法を反映した一連の層として構成されます。Statistics and Machine Learning Toolbox™ で利用可能なニューラル ネットワーク分類器は全結合のフィードフォワード ニューラル ネットワークであり、全結合層のサイズを調整したり層の活性化関数を変更したりできます。
ニューラル ネットワーク分類モデルに学習をさせるには、分類学習器アプリを使用します。柔軟性を向上させるためには、コマンド ライン インターフェイスで fitcnet
を使用してニューラル ネットワーク分類器に学習させます。学習後、モデルと新しい予測子データを predict
に渡すことにより、新しいデータを分類できます。
Deep Learning Toolbox™ がある場合により複雑な深層学習ネットワークを作成するには、ディープ ネットワーク デザイナー (Deep Learning Toolbox) アプリを試すことができます。
アプリ
分類学習器 | 教師あり機械学習を使用して、データを分類するようにモデルを学習させる |
ブロック
ClassificationNeuralNetwork Predict | ニューラル ネットワーク分類モデルを使用した観測値の分類 (R2021b 以降) |
関数
オブジェクト
ClassificationNeuralNetwork | 分類用のニューラル ネットワーク モデル (R2021a 以降) |
CompactClassificationNeuralNetwork | 分類用のコンパクトなニューラル ネットワーク モデル (R2021a 以降) |
ClassificationPartitionedModel | Cross-validated classification model |
トピック
- ニューラル ネットワーク分類器の性能評価
fitcnet
を使用して全結合層をもつフィードフォワード ニューラル ネットワーク分類器を作成し、テスト データでモデルの性能を評価する。 - 分類学習器アプリを使用したニューラル ネットワーク分類器の学習
ニューラル ネットワーク分類器を作成および比較し、新しいデータについて予測を行うため学習済みモデルをエクスポートする。
- メモリに制限があるハードウェアのための機械学習モデルの圧縮
特徴選択、制約付きベイズ最適化、およびパラメーター量子化によるモデル サイズの縮小。