基本设计

浅神经网络时间序列预测与建模

使用神经网络时间序列应用程序和命令行功能进行时间​​序列预测。

设计时序列时间延迟神经网络

学习设计用于时间序列预测的聚焦时延神经网络(FTDNN)。

多步神经网络预测

学习MultiStep神经网络预测。

设计时间序列NARX反馈神经网络

创建并训练一个具有外生输入的非线性自回归网络(NARX)。

设计层递归神经网络

创建和培训作为层复发网络（LRN）的动态网络。

部署浅神经网络功能

使用MATLAB仿真和部署训练过的浅神经网络^®工具。

浅神经网络的部署训练

学习如何部署浅神经网络的训练。

磁悬浮建模

这个例子说明了如何用NARX(非线性自回归与外部输入)神经网络建模磁悬浮动力系统。

培训可扩展性和效率

具有平行和GPU计算的浅神经网络

使用并行和分布式计算来加速神经网络培训和仿真并处理大数据。

在神经网络培训期间自动保存检查点

保存中间结果以保护长期训练的价值。

优化神经网络训练速度和记忆

使神经网络培训更高效。

最优解金宝搏官方网站

选择神经网络输入 - 输出处理功能

预处理输入和目标，以更有效的培训。

配置浅神经网络输入输出

学习如何手动配置网络之前培训使用配置函数。

最优神经网络训练的数据分割

使用函数将数据划分为训练、验证和测试集。

选择多层神经网络训练功能

不同问题类型训练算法的比较。

改进浅神经网络泛化，避免过拟合

学习改进泛化和防止过拟合的方法。

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。

多个输出的归一化错误

学习如何使用不同范围的值来适应输出元素。