文档

神经网络工具箱

创建,训练和模拟浅层和深度学习神经网络

神经网络Toolbox™提供算法,预处理的模型和应用程序,以创建,训练,可视化和模拟浅神经网络和深层神经网络。您可以执行分类,回归,聚类,减少维度,预测时间序列以及动态系统建模和控制。

深度学习网络包括卷积神经网络(Convnets,CNNS)和用于图像分类,回归和特征学习的自动编码器。

对于小型培训集,您可以通过验证的深网进行转移学习来快速应用深度学习。为了加快大型数据集上的培训,您可以使用Parallel Computing Toolbox™在台式机上在多层处理器和GPU上分发计算和数据,并且您可以扩展到群集和云(包括Amazon EC2®P2 GPU实例)MATLAB®分布式计算服务器™

入门

了解神经网络工具箱的基础知识

深度学习

构建和火车卷积神经网络(CNN,Convnets)进行分类和回归以及自动编码器神经网络的学习功能

功能近似和非线性回归

创建一个神经网络,以概括示例输入和输出之间的非线性关系

模式识别和分类

培训神经网络以概括示例输入及其类,并使用自动编码器构建深层网络

聚类

发现自然分布,类别和类别关系

时间序列和动态系统

模型非线性动态系统;使用顺序数据进行预测

神经网络控制系统

使用模型预测性,NARMA-L2和模型引用神经网络来控制非线性系统

定义神经网络体系结构

为高级应用程序定义新的神经网络架构和算法