最新のリリースでは,このページがまだ翻訳されていません。このページの最新版は英語でご覧になれます。
神经网络工具箱™には,浅いニューラルネットワークと深い(深層)ニューラルネットワークの両方の作成,学習,可視化,およびシミュレーションを行うためのアルゴリズム,事前学習済みのモデル,およびアプリが用意されています。分類,回帰,クラスタリング,次元削減,時系列の予測,および動的システムのモデル化と制御を実行できます。
深層学習ネットワークには,イメージの分類,回帰,および特徴の学習用のたたみ込みニューラルネットワーク(事先,CNN)および自己符号化器が含まれます。
学習セットが小さい場合,事前学習済みの深いネットワークを使用して転移学習を実行することによって,深層学習をすぐに適用できます。大きなデータセットの学習時間を短縮するには,并行计算工具箱™を使用して,計算およびデータをデスクトップ上のマルチコアプロセッサおよびGPUに分散させることができます。また,MATLAB®分布式计算服务器™を使用してクラスターおよびクラウド(Amazon EC2®P2 GPUインスタンスなど)にスケールアップすることもできます。
神经网络工具箱の基礎を学ぶ
分類および回帰用のたたみ込みニューラルネットワーク(CNN,事先)および特徴学習用の自己符号化器ニューラルネットワークの構築および学習
例の入力と出力との非線形関係を汎化するニューラルネットワークの作成
例の入力とそのクラスからの汎化を行うニューラルネットワークの学習,自己符号化器を使用した深いネットワークの構築
自然な分布,カテゴリ,およびカテゴリの関係の検出
非線形動的システムのモデル化,逐次データを使用した予測の実行
モデル予測、NARMA-L2およびモデル規範型のニューラルネットワークを使用した非線形システムの制御
高度な用途向けの新しいニューラルネットワークアーキテクチャおよびアルゴリズムの定義