主要内容

模式识别

训练神经网络从示例输入及其类中泛化，训练自动编码器

应用程序

神经网络模式识别 利用两层前馈网络解决模式识别问题

类

Autoencoder Autoencoder类

功能

全部展开

nprtool 打开神经网络模式识别应用程序
视图 查看浅层神经网络
trainAutoencoder 训练一个自动编码器
trainSoftmaxLayer 训练一个softmax层进行分类
解码 解码编码数据
编码 编码输入数据
预测 使用训练过的自编码器重建输入
堆栈 将几个自动编码器的编码器堆叠在一起
网络 转换Autoencoder对象进网络对象
patternnet 生成模式识别网络
lvqnet 学习矢量量化神经网络
火车 训练浅神经网络
trainlm Levenberg-Marquardt反向传播
trainbr 贝叶斯正则化反向传播
trainscg 缩放共轭梯度反向传播
trainrp 有弹性的反向传播
均方误差 均方归一化误差性能函数
中华民国 接收机工作特性
plotconfusion 地块分类混淆矩阵
ploterrhist 绘图误差直方图
plotperform 图网络性能
plotregression 线性回归
plotroc 图接收机工作特性
plottrainstate 图训练状态值
crossentropy 神经网络性能
genFunction 生成MATLAB模拟浅层神经网络的函数

例子和如何

基本设计

培训可扩展性和效率

最优解金宝搏官方网站

分类

  • 蟹的分类
    这个例子说明了使用神经网络作为分类器从螃蟹的物理维度来识别螃蟹的性别。
  • 葡萄酒的分类
    这个例子说明了模式识别神经网络如何根据酒厂的化学特征对葡萄酒进行分类。
  • 癌症检测
    这个例子展示了如何训练神经网络来检测癌症，使用蛋白质谱的质谱数据。
  • 字符识别
    这个例子说明了如何训练神经网络来执行简单的字符识别。

Autoencoders

概念