神经网络工具箱
创建、训练和模拟神经网络
神经网络工具箱™提供算法、函数和应用程序来创建、火车、可视化和模拟神经网络。您可以执行分类、回归、聚类、降维、时间序列预测和动态系统的建模和控制。
工具箱包括卷积神经网络和autoencoder深学习算法对图像分类和功能学习任务。加快训练的大型数据集,您可以分发计算和数据在多核处理器,gpu和计算机集群使用并行计算工具箱™。
开始
学习基本的神经网络工具箱
函数逼近和非线性回归
创建一个神经网络来推广非线性示例中输入和输出之间的关系
模式识别和分类
从示例输入训练神经网络泛化及其类,构造一个网络使用autoencoders深处
深度学习
回旋网构建和训练卷积神经网络(cnn)的分类和autoencoder神经网络的学习功能
聚类
发现自然分布、类别和类别之间的关系
时间序列和动态系统
模型非线性动态系统;使用顺序数据做出预测
神经网络控制系统
使用模型预测控制非线性系统,NARMA-L2,神经网络模型参考
定义神经网络架构
定义新的神经网络为先进的应用程序体系结构和算法
