文档

神经网络工具箱

创建、训练和模拟浅层和深层学习神经网络

Neural Network Toolbox™提供算法、预训练模型和应用程序,用于创建、训练、可视化和模拟浅神经网络和深神经网络。您可以进行分类、回归、聚类、降维、时间序列预测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。

对于小的训练集,可以通过对预训练的深度网络进行迁移学习来快速应用深度学习。为了加快在大型数据集上的培训,可以使用Parallel Computing Toolbox™在桌面的多核处理器和gpu上分发计算和数据,还可以扩展到集群和云(包括Amazon EC2)®P2 GPU实例)MATLAB®分布式计算服务器™

开始

学习神经网络工具箱的基础知识

深度学习

构建和训练用于分类和回归的卷积神经网络(CNNs, ConvNets)和用于学习特征的自动编码器神经网络

函数逼近与非线性回归

建立一个神经网络来推广实例输入和输出之间的非线性关系

模式识别与分类

训练神经网络从示例输入和它们的类中归纳,使用自动编码器构建一个深度网络

聚类

发现自然分布、类别和类别关系

时间序列和动态系统

非线性动态系统模型;使用顺序数据进行预测

神经网络控制系统

使用模型预测、NARMA-L2和模型参考神经网络控制非线性系统

定义神经网络架构

为高级应用定义新的神经网络架构和算法