신경망 패턴 인식

2계층 피드포워드 신경망을 사용하여 패턴 인식 문제 풀기

설명

신경망 패턴 인식 앱을 사용하면 2계층 피드포워드 신경망을 만들고 시각화하고 훈련시켜 데이터 분류 문제를 풀 수 있습니다.

이 앱을 사용하여 다음을 수행할 수 있습니다.

파일이나 MATLAB^® 작업 공간에서 데이터를 가져오거나 예제 데이터 세트 중 하나 사용.
데이터를 훈련 세트, 검증 세트, 테스트 세트로 분할.
신경망 정의 및 훈련.
교차 엔트로피 오차와 오분류 오차를 사용하여 신경망 성능 평가.
혼동행렬, 수신자 조작 특성 곡선과 같은 시각화 플롯을 사용하여 결과 분석.
결과를 다시 생성하고 훈련 과정을 사용자 지정하는 MATLAB 스크립트 생성.
MATLAB Compiler™ 및 MATLAB Coder™ 툴과 함께 배포하기에 적절한 함수를 생성하고, Simulink^® Coder에서 사용할 수 있도록 Simulink로 내보내기.

팁

딥러닝 신경망을 대화형 방식으로 구축하고 시각화하려면 심층 신경망 디자이너 앱을 사용하십시오. 자세한 내용은 심층 신경망 디자이너 시작하기 항목을 참조하십시오.

신경망 패턴 인식 앱은 신경망을 훈련시키는 데 사용할 수 있는 기본 제공 훈련 알고리즘을 제공합니다.

훈련 알고리즘 설명

훈련 알고리즘	설명
스케일링된 켤레 기울기 역전파	스케일링된 켤레 기울기 역전파는 스케일링된 켤레 기울기법에 따라 가중치와 편향 값을 업데이트합니다. 이 알고리즘을 구현하기 위해 신경망 패턴 인식 앱은 `trainscg` 함수를 사용합니다.

스케일링된 켤레 기울기 역전파

스케일링된 켤레 기울기 역전파는 스케일링된 켤레 기울기법에 따라 가중치와 편향 값을 업데이트합니다.

이 알고리즘을 구현하기 위해 신경망 패턴 인식 앱은 trainscg 함수를 사용합니다.