fitcnet和patternnet函数之间的区别

训练神经网络的分类模型

使用 fitcnet 训练前馈,完全连接神经网络分类。第一个完全连接层的神经网络已连接网络输入(预测数据),并且每个后续层从上一层连接。每个完全连接层乘以权重矩阵的输入向量,然后添加一个偏见。一个激活函数遵循每个完全连接层。最后完全连接层和后续softmax激活函数生成网络的输出,即分数(后验概率)和预测分类标签。有关更多信息,请参见 神经网络结构 。