神经网络

神经网络的回归

神经网络模型构建为一系列层反映大脑处理信息的方式。回归神经网络模型在统计和机器学习工具箱™是完全连接,前馈神经网络,你可以调整大小的完全连接层,改变层的激活函数。

训练一个回归神经网络模型,使用回归的学习者应用。为了实现更高的灵活性,培养使用回归神经网络模型fitrnet在命令行界面。培训后,可以预测新数据通过反应模型和新的预测数据预测。

如果你想创建更复杂的深度学习网络和有深度学习工具箱™,你可以试试深层网络设计师(深度学习工具箱)应用程序。

应用程序

使用监督机器学习训练回归模型预测数据

使用神经网络回归模型预测的反应

`fitrnet`	训练神经网络回归模型
`紧凑的`	减少机器学习模型的大小

`损失`	损失回归神经网络
`resubLoss`	Resubstitution回归损失

`预测`	使用回归神经网络预测的反应
`resubPredict`	使用训练有素的回归模型预测反应的训练数据

`RegressionNeuralNetwork`	为回归神经网络模型
`CompactRegressionNeuralNetwork`	紧凑的回归神经网络模型
`RegressionPartitionedModel`	旨在回归模型

评估回归神经网络的性能
使用fitrnet创建一个完全连接层的前馈回归神经网络模型,并评估模型的性能测试数据。
回归神经网络使用回归训练学习者应用
创建和比较回归神经网络,训练和出口为新数据模型进行预测。
神经网络回归模型部署到FPGA和ASIC的平台
预测的模型金宝app^®使用神经网络回归模型和部署模型模型一个FPGA和ASIC的平台使用HDL代码生成。金宝app