神经网络模式识别 | 用两层前馈网络解决模式识别问题 |
自编码 |
自动编码器类 |
对输入和目标进行预处理,以提高培训效率。
了解如何在培训前使用手动配置网络配置
作用
使用函数将数据划分为训练集、验证集和测试集。
不同问题类型训练算法的比较。
学习改进泛化和预装配的方法。
学习如何在训练神经网络时使用误差加权。
了解如何使输出元素适应不同的值范围。
学习神经网络设计过程中的主要步骤。
了解使用神经网络功能的不同级别。
设计用于函数拟合和模式识别的多层浅层前馈神经网络的工作流程。
学习多层浅层神经网络的结构。
了解输入数据结构的格式如何影响网络的模拟。
在使用浅神经网络试验时使用的示例数据集列表。
了解定义网络基本功能的属性。
学习定义网络详细信息的属性,例如输入,图层,输出,目标,偏差和权重等。