기본설계

얕은신경망을사용한시계열예측및모델링

神经网络时间序列앱과명령줄함수를사용하여시계열을예측합니다。

设计时间序列时滞神经网络

学习设计时间序列预测的聚焦时滞神经网络(FTDNN)。

다중스텝신경망예측

다중스텝신경망예측에대해알아봅니다。

시계열NARX피드백신경망설계하기

외생적인입력을갖는비선형자기회귀신경망(NARX)를만들고훈련시킵니다。

设计层递归神经网络

创建并训练一个动态网络，这是一个分层循环网络(LRN)。

部署浅层神经网络函数

用MATLAB模拟和部署训练过的浅神经网络^®工具。

浅层神经网络的训练部署

学习如何部署浅神经网络的训练。

자기부상모델링

이예제에서는NARX(非线性自回归与外部输入)신경망으로자기부상역학시스템을모델링하는방법을보여줍니다。

훈련확장성및효율성

병렬및GPU연산을사용한신경망

병렬및분산연산을사용하여신경망훈련과시뮬레이션의속도를높이고대규모데이터를처리합니다。

在神经网络训练期间自动保存检查点

保存中间成绩，以保护长距离训练的价值。

优化神经网络训练速度和记忆

使神经网络训练更加高效。

최적의솔루션

신경망입력-출력처리함수선택하기

더효율적인훈련을위해입력값과목표값을전처리합니다。

얕은신경망의입력값과출력값구성하기

配置함수를사용하여훈련에앞서신경망을수동으로구성하는방법을알아봅니다。

최적의신경망훈련을위해데이터분할하기

함수를사용하여데이터를훈련,검증및테스트세트로분할합니다。

다층신경망훈련함수선택하기

여러문제유형에대한훈련알고리즘의성능비교。

얕은신경망일반화를개선하고과적합방지하기

일반화를개선하고과적합을방지하는방법을알아봅니다。

用误差权值训练神经网络

学习在训练神经网络时如何使用误差加权。

将多个输出的误差归一化

了解如何使用不同范围的值来适应输出元素。