深度学习

他讲的是神经元的故事他讲的是神经元的故事他讲的是神经元的故事redes neuralales.肤浅的．拉斯维加斯REDES德深度学习Pueden Tener Muchas Capas，包括Cientos de Ellas。Ambas SonTécnicasde机器学习Que Aprenden Directamente de los Datos介绍。

el深度学习atrae木栅atenciónúltimamente，Y干草razones德比索对ELLO。埃斯塔consiguiendo resultados阙底注无叶兰posibles。

萨尔瓦多深学习本身空间Adapta especialmente边一个aplicaciones德identificacióncomplejas，故事科莫EL reconocimiento面部，拉traducción德textosŸEL reconocimiento德呼声。TambiénES UNA TECNOLOGIA釜utilizada连接SISTEMASŸtareas avanzados德conducciónasistida，阙incluyen拉asignación德·卡里勒ŸEL reconocimiento德Senales的德tráfico。

UNA红色神经团Combina Diversas Capas de Procesamiento Y uteriza Elementos Simples Que Operan en Paralelo，YEstánIsciradasen Los Sistemas NerviososBioRógicos。Consta de Una Capa de Intrada，UNA O Varias Capas Ocultas Y Una Capa de Salida。Las CapasEstán相互联系Mediante Nodos，O神经元;Cada Capa Utiliza La Salida de la Capa前赛赛·科莫

Técnicas empleadas con las redes neuronales

Algunas técnicas habituales de machine learning para diseñar aplicaciones de rede neuronales el aprendizaje superado y no superado, la clasificación, la regresión, el conocimiento de patron y el clustering。

Aprendizaje supervisado

拉斯红色神经元supervisadasSe entrenan para producir las salidas deseadas como respuesta a Entradas de Muestra，Por que resultanidóneasmara modelar y Contracar SistemasDinámicos，Clasificar Datos Con Ruido Y Predecir Eventos Futuro。深度学习工具箱™Cutuye Cuatro Tipos de Redes Superisadas：Feedforward，De Base Radial，Dinámicasy deCuantificaciónvectialde Aprendizaje。

Clasificacion

这里的clasificación是机器学习在一个算法上的指导，一个经典的新观察，一个关于礼仪的部分。

Regresion

regresión的modelos描述了relación entre一个变量(salida)和predicción (entrada)一个变量。

Reconocimiento de赞助人

我们可以在visión人工的神经系统中应用神经系统，在雷达中应用神经系统，在clasificación文本中应用神经系统。我们中间的人是clasificación，我们中间的人是我们中间的人，我们中间的人是función，我们中间的人是características，我们中间的人是clasificación。

Por ejemplo, en la visión artificial, se emplean técnicas de reconocimiento de patron上主对reconocimiento óptico de caracteres (OCR)， la detección facial, el reconocimiento facial, la detección de objetos y la clasificación de objetos。En el procesamiento de imágenes y la visión artificial, se emplean técnicas de conocimiento de patron no supervise para detección de objetos y la segmentación de imágenes。

Aprendizaje没有超级轿车

拉斯redes neuralones没有超级adas我们允许红色的神经元在新的环境中自动调整连续性。我们可以推断出información这是与之相结合的一部分我们可以把它看作是礼仪的一部分。我们利用自然分布的规律，categorías与我们的关系，categorías与我们的关系。

深度学习工具箱包含yeye dos tipos de Redes No Supervisadas：Capas ColditIvas y Mapas de Orcuiticanianiaviantica。

聚类

EL Clustering ES联合国enfoque de Aprendizaje No Supervisado EN EN EN EN EN EN EEL PUEEREER EMELERES redes neuronales para elAnálisisde datos exploratorio a fin de localizar catrones Ocultos O Agrupaciones de Datos。Este Proceso Implica LaAgrupacióndeatospor similitud。Entre Las Aplicaciones del分析德集群estánEL更新的时候通知去secuenciasgenéticas，拉investigación德mercadosŸEL reconocimiento德objetos。

Con Herramientas y Funciones Para Adminersar Grandes Conduntos de Datos，马铃薯^®OFERECE工具箱EPPECIALIZAS PARA TRABAJAR CON机器学习，REDES神经头，深度学习，Visión人工YConducciónAutónoma。

Con unas pocas líneas de código, MATLAB permite desarrollar redes neuronales sin ser expert。Podrá ponerse en marcha rápidamente，希望您能可视化模型和描述模型和配置的嵌入。

MATLAB允许对实际结果进行积分。MATLAB automatiza implementación我们研究了神经元系统的模型，簇，和分布的神经元。

Flujo de trabajotípicoparadiseñarredes neuralales

Cada aplicación de red neuronal es única, pero el desarrollo de la red suele implicar los pasos siguentes:

1. 你要有准备
2. Crear La Red神经元
3. Configurar拉斯入住日期Ÿsalidas德拉雷德
4. Ajustar losparámetrosde la Red（Las Ponderacion Y endencias）Para Optimizar El Rendimiento
5. Entrenar拉红
6. 这是红色的结果
7. Integrar la red en un sistema de producción

Clasificación y群集是浅表的

MATLABŸ深度学习工具箱proporcionan funciones德拉利内阿德comandosŸ应用对CREAR，entrenarÿsimular REDES neuronales superficiales。拉斯维加斯应用程式facilitan EL DESARROLLO德REDES neuronales对tareas故事科莫LAclasificación，拉regresión（incluida拉regresiónDE系列temporales）Y埃尔集群。达拉斯奥斯CREAR拉斯REDES CON estas HERRAMIENTAS，ES更多钞票generarautomáticamentecódigo日MATLAB对capturar EL特拉瓦霍Ÿautomatizar拉斯tareas。

Preprocesamiento，posprocesamientoÿperfeccionamiento德拉雷德

在我们的研究对象中，在我们的研究对象中，在我们的研究对象中，在我们的研究对象中，在我们的研究对象中。所有的一切都在等待着你的到来。MATLAB y万博1manbetx^®a:

• Reducir拉斯dimensiones德洛斯vectores德ENTRADA mediante EL更新的时候通知德COMPONENTES principales
• 我们的地址是análisis de regresión，我们的通讯对象是红色的
• Escalar Las Entradas Y Los Objetivos para que se ajusten al rango [-1,1]
• Incormenizar La Media Y LaDesviaciónEstándardeljuntode Datos de Entrenamiento
• 用预先程序把数据写出来，然后把自动数据写出来

El Perfeccionamiento de la poceidad de la Red Para Generalizar Contribuye A Evitar El Sobreacujuste，联合国问题习惯性EN ElDiseñoDeredes神经元。El Sobreacumuste Se生产Cuando Una Red HA Memorizo​​ el Conjunto de Entrenamiento Pero No Ha Aprendido A Generalizar Cuando Hay Entradas Nuevas。El Sobreacumuste生产联合国错误RelativamentePequeñoen El Condunto de Entrenamiento，Pero联合国错误Mucho Mayor Cuando SE Thinean Datos Nuevos A La Red。

DOS Soluciones Posibles Para Mejorar LaGeneralización儿子：

• LA.regularizacion阙modifica拉función德rendimiento德拉雷德（LA medida德错误阙minimiza EL proceso德entrenamiento）。Mediante拉纳入德洛斯VALORES代拉斯ponderacionesŸ拉斯tendencias，拉regularización生产UNA红阙funciona边CON洛杉矶DATOS德entrenamientoŸofrece未comportamientoMÁSfluido宽多种下presentan DATOS的Nuevos。
• LA.帕拉达滕普拉纳Utiliza DoS联想赛De Datos Distintos：El Condunto de Entrenamiento，Para Activityar Las PonderAciones Y Las Tendencias，Y El Condunto deValidación，Para Detener El Entrenamiento Cuando La Red Empieza A Sobreajustar Los Datos。

GeneraciónŸdespliegue德código

中级深度学习工具箱骗局MATLAB编码器™，GPU编码器™yMatlab Compiler™，ES更多钞票desplegar REDES entrenadas连接SISTEMAS embebidosØintegrarlas EN UNA amplia加玛日entornos德producción。Puede utilizar MATLAB编码器的翅片德generarcódigoçŸC ++对苏红entrenada，LO的CuAl permite simular UNA红色entrenada连接硬件去电脑Y，posteriormente，desplegar德拉雷德EN SISTEMAS embebidos。Puede utilizar MATLAB Y编译MATLAB编译器SDK™对desplegar REDES entrenadas科莫libreríasC / C ++ compartidas，ensamblados去微软^®．NET，clases德的Java^®y paquetes de python^®partir de programas de matlab。TambiénPuedeentrenar联合国Modelo de Red En LaAplicaciónFesplegadao en Un Un Componsee。

Soporte对位仿真软件万博1manbetx

深度学习工具箱proporciona未CONJUNTO德BLOQUES对CREAR REDES neuronales superficiales恩Simulink的。万博1manbetx待办事项洛杉矶BLOQUES儿子兼容机CON万博1manbetx仿真软件编码器™．Estos Bloquess Se Cudiden en CuatroLibrerías：

• 在función de transferencia，阙admiten未矢量德ENTRADA德红色ýgeneran未矢量德萨利达correspondiente。
• 在función de entrada de red，阙admiten cualquierNÚMERO德vectores德ENTRADA ponderados，vectores德萨利达代卡帕德ponderaciónývectores德tendencias，Y devuelven未矢量德ENTRADA德红色。
• Bloques de función de ponderación，que aplican联合国矢量deponderación神经元a联合国矢量de intrada（o联合国vector de salida de capa）fin de Obener联合国Valor de incrada ponderado para Una Neurona。
• BLOQUES德preprocesamiento德DATOS所以，当我们看到红色神经元的方向性变化时，我们就会知道。

S110中prefiere，puede CREARÿentrenar SUS REDES恩报德entorno MATLABŸgenerarautomáticamenteBLOQUES去模拟德红对usarlos CON Simulink的。万博1manbetx埃斯特enfoquetambiénpermite版本拉斯REDES去备考画报。