神经网络模式识别 | 通过训练两层前馈网络对数据进行分类 |
自编码 |
自动编码器类 |
对输入和目标进行预处理,以提高培训效率。
了解如何在培训前使用手动配置网络配置
功能。
使用函数将数据划分为训练集、验证集和测试集。
不同问题类型的训练算法比较。
学习改进泛化和防止过拟合的方法。
学习如何在训练神经网络时使用误差加权。
了解如何使输出元素适应不同的值范围。
学习神经网络设计过程中的主要步骤。
学习使用不同层次的神经网络功能。
设计用于函数拟合和模式识别的多层浅层前馈神经网络的工作流程。
学习多层浅层神经网络的结构。
了解输入数据结构的格式如何影响网络的模拟。
浅层神经网络实验时使用的样本数据集列表。
学习定义网络基本特征的属性。
学习定义网络细节的属性,如输入、层次、输出、目标、偏差和权重。