文档帮助中心文档
神经网络模型由一系列反映大脑处理信息方式的层构成。统计和机器学习工具箱中提供的神经网络分类器™ 是完全连接的前馈神经网络,您可以调整完全连接层的大小并更改层的激活函数。
要训练神经网络分类模型,请使用分类学习者应用程序。为了获得更大的灵活性,使用菲茨内特在命令行界面中。训练后,您可以通过将模型和新预测数据传递给预测.
菲茨内特
预测
如果您想创建更复杂的深度学习网络并拥有深度学习工具箱™, 你可以试试这个深度网络设计器(深度学习工具箱)应用程序。
全部展开
契约
石灰
部分依赖
局部依赖
夏普利
克罗斯瓦尔
kfoldLoss
kfoldPredict
kfoldEdge
kfoldMargin
kfoldfun
丧失
恢复
边
边缘
再沉积
resubMargin
再预测
分类神经网络
紧分类神经网络
分类分区模型
评估神经网络分类器性能
使用菲茨内特创建具有完全连接层的前馈神经网络分类器,并根据测试数据评估模型的性能。
使用分类学习应用程序训练神经网络分类器
创建和比较神经网络分类器,并导出经过训练的模型,以便对新数据进行预测。
您单击了与此MATLAB命令对应的链接:
通过在MATLAB命令窗口中输入命令来运行该命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站以获取翻译后的内容(如果可用),并查看本地活动和优惠。根据您的位置,我们建议您选择:.
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。
联系当地办事处