Main Content

패턴 인식

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

신경망 패턴 인식2계층 피드포워드 신경망을 사용하여 패턴 인식 문제 풀기

클래스

AutoencoderAutoencoder 클래스

함수

모두 확장

nprtool신경망 패턴 인식 앱 열기
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 혼동행렬 플로팅
ploterrhist오차 히스토그램 플로팅
plotperform신경망 성능 플로팅
plotregression선형 회귀 플로팅
plotroc수신자 조작 특성 플로팅
plottrainstate훈련 상태 값 플로팅
crossentropy신경망 성능
genFunction얕은 신경망 시뮬레이션에 사용할 MATLAB 함수 생성

예제 및 방법

기본 설계

훈련 확장성 및 효율성

최적의 솔루션

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

개념