基本设计

用浅层神经网络拟合数据

训练一个浅层神经网络以适应数据集。

创建、配置和初始化多层浅层神经网络

准备一个多层浅层神经网络。

体脂估算

这个例子说明了一个函数拟合神经网络如何根据解剖测量值估计体脂百分比。

多层浅层神经网络的训练与应用

训练并使用多层浅层网络进行函数逼近或模式识别。

训练后的浅层神经网络性能分析

分析网络性能并调整培训流程、网络架构或数据。

部署浅层神经网络函数

利用MATLAB仿真和部署训练好的浅层神经网络^®工具。

浅层神经网络的部署训练

了解如何部署浅层神经网络的训练。

培训的可扩展性和效率

并行GPU计算的浅层神经网络

使用并行和分布式计算加速神经网络训练和模拟，并处理大数据。

在神经网络训练期间自动保存检查点

保存中间结果以保护长时间训练跑步的价值。

优化神经网络训练速度和记忆

使神经网络训练更有效。

最优解金宝搏官方网站

选择神经网络输入输出处理函数

对输入和目标进行预处理，以提高培训效率。

配置浅层神经网络输入和输出

了解如何在培训前使用手动配置网络配置作用

为优化神经网络训练划分数据

使用函数将数据划分为训练集、验证集和测试集。

选择一个多层神经网络训练函数

不同问题类型的训练算法比较。

提高浅层神经网络泛化能力，避免过拟合

学习提高泛化能力和防止过度拟合的方法。

带误差权值的神经网络训练

学习如何在训练神经网络时使用误差加权。

规范化多个输出的错误

了解如何使输出元素适应不同的值范围。