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
回帰用のニューラル 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™ で利用可能な回帰ニューラル ネットワーク モデル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。
回帰ニューラル ネットワーク モデルに学習をさせるには、回帰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 fitrnet
を使用して回帰ニューラル ネットワーク モデルに学習させます。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、新しいデータについて応答を予測できます。
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
回帰学習器 | 教師あり機械学習を使用して、データを予測するように回帰モデルに学習をさせる |
ブロック
RegressionNeuralNetwork Predict | ニューラル ネットワーク回帰モデルを使用した応答の予測 (R2021b 以降) |
関数
オブジェクト
RegressionNeuralNetwork | 回帰用のニューラル ネットワーク モデル (R2021a 以降) |
CompactRegressionNeuralNetwork | 回帰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) |
RegressionPartitionedNeuralNetwork | 交差検証済みの回帰ニューラル ネットワーク モデル (R2023b 以降) |
トピック
- 回帰ニューラル ネットワークの性能評価
fitrnet
を使用して全結合層をもつフィードフォワード回帰ニューラル ネットワーク モデルを作成し、テスト データでモデルの性能を評価する。 - 回帰学習器アプリを使用した回帰ニューラル ネットワークの学習
回帰ニューラル ネットワーク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。
- ニューラル ネットワーク回帰モデルの FPGA/ASIC プラットフォームへの展開
Simulink® でニューラル ネットワーク回帰モデルを使用して予測を行い、その Simulink モデルを HDL コード生成を使用して FPGA/ASIC プラットフォームに展開する。