Main Content

定义浅层神经网络架构

定义浅层神经网络架构和算法

函数

network创建自定义浅层神经网络

示例和操作指南

自定义神经网络

历史和替代神经网络

  • Adaptive Neural Network Filters
    Design an adaptive linear system that responds to changes in its environment as it is operating.
  • 感知器神经网络
    了解简单分类问题的感知器网络的架构、设计和训练。
  • 用双输入感知器分类
    双输入硬限制神经元被训练为将四个输入向量划分为两个类别。
  • 离群值输入向量
    2 输入硬限制神经元被训练为将 5 个输入向量分类为两个类别。然而,由于 1 个输入向量比所有其他向量大得多,因此训练需要很长时间。
  • 归一化感知器规则
    2 输入硬限制神经元被训练为将 5 个输入向量分类为两个类别。尽管一个输入向量比其他输入向量大得多,使用 LEARNPN 进行训练还是很快的。
  • 线性不可分向量
    2 输入硬限制神经元无法对 5 个输入向量正确分类,因为它们是线性不可分的。
  • 径向基神经网络
    学习如何设计和使用径向基网络。
  • 径向基逼近
    此示例使用 NEWRB 函数创建一个径向基网络,该网络可逼近由一组数据点定义的函数。
  • 径向基神经元欠叠
    径向基网络被训练为用目标输出响应特定输入。然而,因为径向基神经元的分布程度太低,网络需要许多神经元。
  • 径向基神经元过叠
    径向基网络被训练为用目标输出响应特定输入。然而,由于径向基神经元的分布程度太高,每个神经元的响应基本相同,因此无法设计网络。
  • GRNN 函数逼近
    此示例使用 NEWGRNN 和 SIM 函数。
  • PNN 分类
    此示例使用 NEWPNN 和 SIM 函数。
  • Probabilistic Neural Networks
    Use probabilistic neural networks for classification problems.
  • Generalized Regression Neural Networks
    Learn to design a generalized regression neural network (GRNN) for function approximation.
  • Learning Vector Quantization (LVQ) Neural Networks
    Create and train a Learning Vector Quantization (LVQ) Neural Network.
  • 学习向量量化
    LVQ 网络训练为根据给定目标对输入向量进行分类。
  • Linear Neural Networks
    Design a linear network that, when presented with a set of given input vectors, produces outputs of corresponding target vectors.
  • 线性预测设计
    此示例说明如何设计线性神经元来预测给定最后五个值的时间序列中的下一个值。
  • 自适应线性预测
    此示例说明自适应线性层如何学习在给定当前值和最后四个值的情况下,预测信号中的下一个值。

概念