Main Content

이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.

패턴 인식

표본의 입력값 및 클래스를 사용하여 일반화가 가능하도록 신경망 훈련, 오토인코더 훈련

Neural Net Pattern Recognition2계층 피드포워드 신경망을 훈련시켜 데이터 분류

클래스

AutoencoderAutoencoder 클래스

함수

모두 확장

nnstart신경망 시작하기 GUI
view얕은 신경망 보기
trainAutoencoder오토인코더 훈련
trainSoftmaxLayer분류를 위해 소프트맥스 계층 훈련
decode인코딩된 데이터 디코딩
encode입력 데이터 인코딩
predict훈련된 오토인코더를 사용하여 입력값 재생성
stack여러 오토인코더의 인코더들을 한꺼번에 누적
networkAutoencoder 객체를 network 객체로 변환
patternnet패턴 인식 신경망 생성
lvqnet학습 벡터 양자화 신경망
train얕은 신경망 훈련
trainlmLevenberg-Marquardt 역전파
trainbr베이즈 정규화 역전파
trainscg스케일링된 켤레 기울기 역전파
trainrp탄력적 역전파
mse정규화된 평균 제곱 오차 성능 함수
roc수신자 조작 특성
plotconfusion분류 정오분류표 플로팅
ploterrhistPlot error histogram
plotperform신경망 성능 플로팅
plotregression선형 회귀 플로팅
plotroc수신자 조작 특성 플로팅
plottrainstatePlot training state values
crossentropy신경망 성능
genFunction얕은 신경망 시뮬레이션에 사용할 MATLAB 함수 생성

예제 및 방법

기본 설계

얕은 신경망을 사용하여 패턴 분류하기

분류를 위해 신경망을 사용합니다.

Deploy Shallow Neural Network Functions

Simulate and deploy trained shallow neural networks using MATLAB® tools.

Deploy Training of Shallow Neural Networks

Learn how to deploy training of shallow neural networks.

훈련 확장성 및 효율성

병렬 및 GPU 연산을 사용한 신경망

병렬 및 분산 연산을 사용하여 신경망 훈련과 시뮬레이션의 속도를 높이고 대규모 데이터를 처리합니다.

Automatically Save Checkpoints During Neural Network Training

Save intermediate results to protect the value of long training runs.

최적의 솔루션

신경망 입력-출력 처리 함수 선택하기

더 효율적인 훈련을 위해 입력값과 목표값을 전처리합니다.

얕은 신경망의 입력값과 출력값 구성하기

configure 함수를 사용하여 훈련에 앞서 신경망을 수동으로 구성하는 방법을 알아봅니다.

최적의 신경망 훈련을 위해 데이터 분할하기

함수를 사용하여 데이터를 훈련, 검증 및 테스트 세트로 분할합니다.

다층 신경망 훈련 함수 선택하기

여러 문제 유형에 대한 훈련 알고리즘의 성능 비교.

얕은 신경망 일반화를 개선하고 과적합 방지하기

일반화를 개선하고 과적합을 방지하는 방법을 알아봅니다.

Train Neural Networks with Error Weights

Learn how to use error weighting when training neural networks.

Normalize Errors of Multiple Outputs

Learn how to fit output elements with different ranges of values.

분류

게 분류

이 예제에서는 게의 형태를 측정한 치수를 기준으로 게 성별을 식별하기 위해 신경망을 분류기로 사용하는 방법을 보여줍니다.

와인 분류

이 예제에서는 패턴 인식 신경망이 와인의 화학 성분 특성을 기준으로 와인을 와이너리별로 분류하는 방법을 보여줍니다.

암 검출

이 예제에서는 단백질 프로파일에 대한 질량 분석 데이터를 사용하여 암을 검출하도록 신경망을 훈련시키는 방법을 보여줍니다.

문자 인식

이 예제에서는 간단한 문자 인식을 수행하도록 신경망을 훈련시키는 방법을 보여줍니다.

오토인코더

영상 분류를 위해 적층 오토인코더 훈련시키기

이 예제에서는 숫자 영상을 분류하기 위해 적층 오토인코더를 훈련시키는 방법을 보여줍니다.

개념

신경망 설계를 위한 워크플로

신경망 설계 과정의 주요 단계를 알아봅니다.

Four Levels of Neural Network Design

Learn the different levels of using neural network functionality.

얕은 다층 신경망과 역전파 훈련

함수 피팅 및 패턴 인식을 위한 얕은 다층 피드포워드 신경망 설계 워크플로입니다.

얕은 다층 신경망 아키텍처

얕은 다층 신경망의 아키텍처에 대해 알아봅니다.

얕은 신경망 데이터 구조 이해하기

입력 데이터 구조의 형식이 신경망 시뮬레이션에 어떤 영향을 주는지 알아봅니다.

얕은 신경망을 위한 샘플 데이터 세트

얕은 신경망 실험에 사용할 수 있는 샘플 데이터 세트의 목록입니다.

신경망 객체 속성

신경망의 기본 특징을 정의하는 속성을 알아봅니다.

신경망 하위객체 속성

입력값, 계층, 출력값, 목표값, 편향 및 가중치와 같이 신경망 세부 사항을 정의하는 속성을 알아봅니다.