神经网络模式识别 | 使用双层前馈网络解决模式识别问题 |
autoencoder. |
autoencoder类 |
预处理输入和目标用于更有效的培训。
了解如何在使用培训之前手动配置网络配置
功能。
使用函数将数据划分为培训,验证和测试集。
不同问题类型的训练算法比较。
学习改进泛化和防止过拟合的方法。
学习如何在培训神经网络时使用错误加权。
了解如何使用不同的值范围拟合输出元素。
了解神经网络设计过程中的主要步骤。
学习使用不同层次的神经网络功能。
用于设计多层浅前馈神经网络的工作流程,用于功能拟合和模式识别。
学习多层浅神经网络的体系结构。
了解输入数据结构的格式如何影响网络的模拟。
浅层神经网络实验时使用的样本数据集列表。
学习定义网络基本特征的属性。
学习定义网络细节的属性,如输入、层次、输出、目标、偏差和权重。