基本设计

浅神经网络的时间序列预测和模拟

使用神经网络时间序列应用程序和命令行函数进行时间序列预测。

设计时间序列时滞神经网络

学习设计关注时间延迟神经网络（FTDNN）的时间序列预测。

多步神经网络预测

学习多步神经网络预测。

设计时间系列NARX反馈神经网络

创建和培养用外源输入（NARX）一个非线性自回归网络。

外观层，回归神经网络

创建并训练一个动态网络，它是一个层递归网络（LRN）。

浅部署神经网络功能

模拟和部署训练有素的浅神经网络使用MATLAB^®工具。

浅神经网络的部署培训

了解如何部署浅神经网络的训练。

磁悬浮模型

本实施例说明一个NARX（非线性自回归与外部输入）的神经网络如何建模的磁铁悬浮动力系统。

培训的可扩展性和效率

并行和GPU计算的神经网络

利用并行和分布式计算加速神经网络训练和仿真，处理大数据量。

神经网络训练中自动保存检查点

保存中间结果以保护长时间训练的价值。

优化神经网络训练速度和内存

提高神经网络训练的效率。

最优解万博 尤文图斯

神经网络输入输出处理函数的选择

预处理的投入和目标进行更有效的培训。

配置浅神经网络的输入和输出

了解如何手动配置网络使用训练前配置功能。

数据划分为优化的神经网络训练

使用功能将数据分为培训，验证和测试集。

选择多层神经网络训练函数

不同问题类型的训练算法比较。

浅提高神经网络的推广，并避免过度拟合

学习提高泛化和防止过度拟合的方法。

训练神经网络的权重错误

了解如何训练神经网络时使用错误的权重。

多路输出的正常化错误

了解如何以适应不同范围的值输出的元素。