模式识别、聚类和时间序列的浅网络
神经网络由并行操作的简单元素组成。这些元素的灵感来自生物神经系统。在自然界中，元素之间的连接在很大程度上决定了网络的功能。你可以通过调整元素之间的连接(权重)值来训练神经网络执行特定的功能。
通常，神经网络经过调整或训练，以便特定的输入导致特定的目标输出。下图说明了这种情况。在这里，根据输出和目标的比较调整网络，直到网络输出与目标匹配。通常，需要许多这样的输入/目标对来训练网络。
神经网络已经被训练在各个领域执行复杂的功能，包括模式识别、识别、分类、语音、视觉和控制系统。
神经网络还可以被训练来解决传统计算机或人类难以解决的问题。该工具箱强调了神经网络范式的使用，这些范式构建或本身用于工程、金融和其他实际应用。
以下主题解释如何使用图形化工具训练神经网络来解决函数拟合、模式识别、聚类和时间序列中的问题。使用这些工具可以给你一个很好的深度学习工具箱™软件的使用介绍:
浅网络应用程序和函数深度学习工具箱
有四种方法可以使用深度学习工具箱软件。
第一种方法是通过它的工具。这些工具提供了一种方便的方式来访问工具箱的功能，用于以下任务:
使用工具箱的第二种方法是通过基本的命令行操作。命令行操作提供了比工具更大的灵活性，但也增加了一些复杂性。如果这是您第一次使用工具箱，这些工具提供了最好的介绍。此外，这些工具还可以生成文档化的MATLAB脚本®代码为您提供模板，用于创建您自己的定制命令行函数。首先使用工具，然后生成和修改MATLAB脚本的过程是了解工具箱功能的极好方法。
使用工具箱的第三种方式是通过定制。这种高级功能允许您创建自己的自定义神经网络，同时仍然可以访问工具箱的全部功能。您可以创建具有任意连接的网络，并且仍然能够使用现有的工具箱训练函数来训练它们(只要网络组件是可微的)。
使用工具箱的第四种方法是通过修改工具箱中包含的任何函数的能力。每个计算组件都是用MATLAB代码编写的，并且是完全可访问的。
这四个层次的工具箱使用范围从新手到专家:简单的工具引导新用户使用特定的应用程序，网络定制允许研究人员以最小的努力尝试新的架构。无论你的神经网络和MATLAB知识水平如何，都有工具箱功能来满足你的需求。
自动生成脚本
这些工具本身构成了深度学习工具箱软件学习过程的重要组成部分。他们指导你通过设计神经网络来解决四个重要应用领域的问题，而不需要任何神经网络背景或使用MATLAB的复杂性。此外，这些工具可以自动生成简单和高级的MATLAB脚本，这些脚本可以重现该工具执行的步骤，但具有覆盖默认设置的选项。这些脚本可以为您提供创建自定义代码的模板，它们可以帮助您熟悉工具箱的命令行功能。强烈建议您使用这些工具的自动脚本生成功能。
深度学习工具箱应用程序
它不可能涵盖神经网络已经提供出色解决方案的全部应用范围。金宝搏官方网站本主题的其余部分只描述了函数拟合、模式识别、聚类和时间序列分析中的一些应用。下表提供了神经网络提供最先进解决方案的应用程序的多样性。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，自动驾驶仪增强，飞机部件仿真，飞机部件故障检测 |
|
汽车自动引导系统，以及保修活动分析 |
|
检查和其他文件的阅读和信用申请的评估 |
|
武器转向，目标跟踪，物体识别，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，以及信号/图像识别 |
|
代码序列预测、集成电路芯片布局、工艺控制、芯片故障分析、机器视觉、语音合成、非线性建模 |
|
动画、特效、市场预测 |
|
房地产评估、贷款建议、抵押贷款筛选、公司债券评级、信用额度使用分析、信用卡活动跟踪、投资组合交易程序、公司财务分析和货币价格预测 |
|
预测工业过程，如熔炉的输出气体，取代过去用于此目的的复杂和昂贵的设备 |
|
政策应用评估和产品优化 |
|
制造过程控制、产品设计与分析、工艺与机器诊断、实时颗粒识别、可视化质量检测系统、啤酒检测、焊接质量分析、纸张质量预测、计算机芯片质量分析、磨削作业分析、化工产品设计分析、机械维修分析、项目招投标、规划与管理、化工过程系统动态建模 |
|
乳腺癌细胞分析，脑电图和心电图分析，假体设计，移植时间优化，医院费用减少，医院质量提高，急诊室检查建议 |
|
探索 |
|
轨迹控制，叉车机器人，机械手控制器，视觉系统 |
|
市场分析，自动债券评级，股票交易咨询系统 |
|
语音识别，语音压缩，元音分类，文本到语音合成 |
|
图像和数据压缩，自动化信息服务，实时翻译口语，以及客户支付处理系统 |
|
卡车制动诊断系统，车辆调度和路线系统 |
浅神经网络设计步骤
在本主题的其余部分中，您将遵循设计神经网络的标准步骤来解决四个应用领域的问题: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都有七个主要步骤。(第1步中的数据收集虽然很重要，但通常发生在MATLAB环境之外。)
收集数据
创建网络
配置网络
初始化权重和偏差
培训网络
验证网络
利用网络
在以下部分中，您将使用GUI工具和命令行操作来执行这些步骤:
您也可以从以下列表中选择一个网站:
