神经网络模式识别 | 通过训练的两层前馈网络分类数据 |
自动编码器 |
自动编码器类 |
预处理的投入和目标进行更有效的培训。
了解如何手动配置网络使用训练前配置
功能。
使用功能将数据分为培训,验证和测试集。
对不同类型的问题,训练算法比较。
学习方法,提高推广和防止过度拟合。
了解如何训练神经网络时使用错误的权重。
了解如何以适应不同范围的值输出的元素。
了解在神经网络的设计过程的主要步骤。
了解不同层次的利用神经网络功能。
工作流设计的多层前馈浅用于函数拟合与模式识别的神经网络。
了解多层浅神经网络的体系结构。
了解输入数据结构的格式如何影响网络的模拟。
样本数据集列表浅神经网络实验时使用。
得知定义网络的基本功能属性。
学定义网络的细节,如输入,层,产出,目标,偏差,和重量特性。