浅网络模式识别、聚类和时间序列
神经网络是由简单元素并行操作。这些元素是受生物神经系统。在自然界中,元素之间的关系在很大程度上决定了网络的功能。你可以训练一个神经网络来执行一个特定的函数通过调整值的元素之间的连接(权重)。
通常情况下,调整神经网络或训练,这样一个特定的输入导致特定的目标输出。下一个图演示了这种情况。网络调整,基于比较的输出和目标,直到网络输出匹配的目标。通常,许多这样的输入/目标对需要训练一个网络。
神经网络已被训练来执行复杂的功能在各个领域,包括模式识别、识别、分类、演讲,视野,和控制系统。
神经网络也可以被训练来解决问题,是人类传统的电脑或困难。工具箱中强调了使用神经网络模式,建立它们自己用于工程、金融、和其他实际应用。
下列主题解释如何交互训练浅神经网络函数拟合来解决问题,模式识别、聚类和时间序列。使用这些工具可以给你一个很好的介绍使用深度学习工具箱™软件:
请注意
交互式地建立、可视化和深度学习神经网络,训练使用深层网络设计师应用。更多信息,请参阅开始使用深层网络设计师。
肤浅的网络应用程序和功能深度学习工具箱
有四个方法可以使用深度学习工具箱软件。
第一种方式是通过其工具。这些工具提供了一个方便的方式来访问工具箱的功能以下任务:
第二种方法使用工具箱是通过基本的命令行操作。命令行操作比工具提供更大的灵活性,但也增加了一些复杂性。如果这是你第一次使用工具箱的工具提供最好的介绍。此外,记录了MATLAB的工具可以生成脚本®代码为您提供模板用于创建您自己的自定义命令行功能。的过程中使用的工具,然后生成和修改MATLAB脚本,是一个很好的方法来了解工具箱的功能。
使用工具箱的第三种方法是通过定制。这种先进的功能允许您创建自己的自定义神经网络,同时还获得完整的工具箱的功能。你可以用任意创建网络连接,你仍然可以训练他们使用现有的工具箱训练函数(只要网络组件是可微的)。
第四个方法使用工具箱是通过修改工具箱中包含的任何功能。每一个计算组件是用MATLAB编写的代码和完全可访问。
这四个层次的工具箱使用跨度新手到专家:简单的工具指导新用户通过特定的应用程序,允许研究人员尝试新颖的体系结构和网络定制以最小的努力。无论你的水平的神经网络和MATLAB知识,有工具箱功能来满足您的需求。
脚本自动生成
工具本身形式的学习过程的一个重要组成部分深度学习工具箱软件。他们指导您完成设计神经网络解决问题的过程中四个重要的应用领域,无需使用MATLAB神经网络或复杂的背景。此外,该工具可以自动生成简单的和先进的MATLAB脚本都可以重现的步骤执行的工具,但由于覆盖默认设置的选项。这些脚本可以为您提供模板用于创建定制的代码,他们可以帮助你熟悉命令行功能的工具箱。强烈建议您使用这些工具的自动脚本生成工具。
深度学习工具箱应用程序
不可能覆盖的总范围的应用神经网络提供了优秀的解决方案。金宝搏官方网站这个主题的其余部分描述只有几个应用程序函数拟合,模式识别、聚类和时间序列分析。下表提供了一个概念的多样性应用神经网络提供先进的解决方案。金宝搏官方网站
行业 |
业务应用程序 |
|---|---|
高性能飞机自动驾驶仪飞行轨迹仿真、飞机控制系统,自动驾驶仪改进,模拟飞机部件,故障检测和飞机组件 |
|
汽车自动导航系统,保证活动分析 |
|
检查应用程序和其他文档阅读和信用评估 |
|
武器控制、目标跟踪、对象歧视,面部识别,新型传感器、声纳、雷达和图像信号处理包括数据压缩、特征提取和噪声抑制、信号/图像识别 |
|
代码序列预测,集成电路芯片布局、过程控制、芯片失效分析、机器视觉、语音合成、非线性建模 |
|
动画、特效和市场预测 |
|
房地产评估、贷款咨询、抵押贷款筛选,公司债券评级,使用分析,提供信贷额度信用卡活动跟踪、投资组合交易计划,企业财务分析,货币价格的预测 |
|
预测的工业过程,如输出气体的熔炉,更换复杂和昂贵的设备用于此目的 |
|
政策的应用评价和产品优化 |
|
生产过程控制、产品设计和分析过程和机器诊断、实时粒子识别、视觉质量检验系统,啤酒测试,焊接质量分析,论文质量预测,计算机芯片质量分析,分析磨削操作,化学产品设计分析、机器保养分析、项目投标、规划和管理,和化学过程的动态建模系统 |
|
乳腺癌细胞分析、心电图和脑电图分析假体设计、优化的移植手术,住院费用减少,医院质量改进,急诊室测试深思熟虑 |
|
探索 |
|
轨迹控制、叉车机器人,机械手控制器,和视觉系统 |
|
市场分析、自动债券评级和股票交易咨询系统 |
|
语音识别、语音压缩、元音分类,文本-语音合成 |
|
图像和数据压缩、自动化信息服务、实时的口语翻译,客户支付处理系统 |
|
卡车制动系统诊断、车辆调度和路由系统 |
浅神经网络设计步骤
在这个主题的其余部分中,您将遵循标准的步骤设计神经网络解决问题四个应用领域:函数拟合,模式识别、聚类和时间序列分析。任何这些问题的工作流程有七个主要步骤。(在步骤1中数据收集,而重要的是,一般发生在MATLAB环境。)
收集数据
创建网络
配置网络
初始化权重和偏见
培训网络
验证网络
使用网络
你会按照以下步骤使用GUI工具和命令行操作在以下部分:
另请参阅
神经网络拟合|神经网络时间序列|神经网络模式识别|神经网络聚类|深层网络设计师|trainlm|fitnet
