神经网络

用于二进制和多字符分类的神经网络

神经网络模型被构造为一系列层，反映大脑处理信息的方式。统计和机器学习工具箱™中可用的神经网络分类器完全连接，您可以调整完全连接层的大小并更改图层的激活功能的前馈神经网络。

要培训神经网络分类模型，请使用分类学习者应用程序。有关更大的灵活性，请使用内部网络分类器使用Fitcnet.在命令行界面中。培训后，您可以通过将模型和新的预测器数据传递给的新数据来分类预测。

如果您想创建更复杂的深度学习网络并具有深度学习工具箱™，可以尝试深网络设计师（深度学习工具箱）应用程序。

应用

火车模型以使用监督机器学习对数据进行分类

`Fitcnet.`	火车神经网络分类模型
`袖珍的`	减少机器学习模型的尺寸

`预测`	使用神经网络分类器对观测数据进行分类
`重新预订`	使用培训的分类器对培训数据进行分类

`ClassificationneuralKetwork.`	神经网络模型分类
`CompactClassificationneAuralKetwork.`	分类紧凑神经网络模型
`ClassificationededModel.`	交叉验证的分类模型

用Fitcnet.要创建具有完全连接的图层的前馈神经网络分类器，并评估模型对测试数据的性能。

创建和比较神经网络分类器，并导出培训的模型来对新数据进行预测。

下载电子书