神经网拟合
使用两层馈送网络解决拟合问题
描述
这神经网拟合应用程序使您可以创建,可视化和训练两层馈电网络以解决数据拟合问题。
使用此应用程序,您可以:
从文件中导入数据,MATLAB®工作区,或使用示例数据集之一。
将数据分为培训,验证和测试集。
定义并训练神经网络。
使用平方误差和回归分析评估网络性能。
使用可视化图,例如回归拟合或误差直方图分析结果。
生成MATLAB脚本以复制结果并自定义培训过程。
生成适合部署的功能MATLAB编译器™和MATLAB CODER™工具,并导出到Simulink金宝app®用于使用金宝appSimulink编码器。
打开神经网拟合应用程序
MATLAB工具条:在应用标签,下机器学习和深度学习,单击应用程序图标。
MATLAB命令提示:输入
nftool
。
例子
算法
这神经网拟合APP提供内置培训算法,您可以用来培训神经网络。
培训算法 | 描述 |
---|---|
Levenberg-Marquardt | 根据Levenberg-Marquardt优化更新重量和偏置值。Levenberg-Marquardt培训通常是最快的训练算法,尽管它确实需要比其他技术更多的记忆力。 为了实现此算法,神经网拟合应用使用 |
贝叶斯正则化 | 贝叶斯正则化根据Levenberg-Marquardt优化更新重量和偏置值。然后,它最大程度地减少了平方误和权重的组合,并确定正确的组合,以产生良好的网络。该算法通常需要更长的时间,但善于推广到嘈杂或小型数据集。 为了实现此算法,神经网拟合应用使用 |
缩放结合梯度反向传播 |
缩放的共轭梯度反向传播根据缩放的共轭梯度方法更新重量和偏置值。对于大问题,建议使用缩放的共轭梯度,因为它使用的梯度计算比Levenberg-Marquardt或Bayesian正则化的Jacobian计算更有效。 为了实现此算法,神经网拟合应用使用 |