网络 |
创建自定义浅神经网络 |
创建并学习神经网络对象的基本组件。
了解如何在使用中手动配置网络配置
功能。
了解输入数据结构的格式如何影响网络的模拟。
使用其属性自定义网络架构并使用和培训自定义网络。
设计一个自适应线性系统,可响应其环境的变化。
了解Perceptron网络的体系结构,设计和培训,以实现简单的分类问题。
培训双输入硬限制神经元以将四个输入向量分为两类。
培训2输入硬限制神经元以将5个输入向量分为两类。
培训2输入硬限制神经元以将5个输入向量分为两类。
2输入硬限制神经元未能正确分类5个输入向量,因为它们是线性不可分离的。
学习设计和使用径向基础网络。
此示例使用NewRB功能创建径向基础网络,该径向基础网络近似于一组数据点定义的函数。
训练径向基础网络以响应具有目标输出的特定输入。
训练径向基础网络以响应具有目标输出的特定输入。
此示例使用功能newgrnn和SIM。
此示例使用函数newpnn和sim。
使用概率神经网络进行分类问题。
学习设计一个函数近似的广义回归神经网络(GRNN)。
创建和培训学习矢量量化(LVQ)神经网络。
培训LVQ网络以根据给定的目标对输入向量进行分类。
设计线性网络,当呈现一组给定输入向量时,产生相应的目标向量的输出。
该示例说明了如何在给定最后五个值的时间序列中设计线性神经元以预测下一个值。
此示例显示了给定当前和最后四个值的信号中可以学习的自适应线性层可以学习以预测信号中的下一个值。
了解神经网络设计过程中的主要步骤。
了解一个单输入神经元,神经网络的基本构建块。
学习单层网络的体系结构。
使用模板函数创建自定义功能,可控制算法初始化,模拟和培训网络。