Clustering eines neuronalen Netzes
Lösen von Clustering-Problemen mithilfe von SOM-Netzen (Self-Organizing Map, selbstorganisierende Karte)
Beschreibung
Mit der Anwendung Neural Net Clustering können Sie selbstorganisierende Karten-Netze erstellen, visualisieren und trainieren, um Clustering-Probleme zu lösen.
Mit dieser App können Sie:
Daten aus einer Datei oder dem MATLAB®-Workspace importieren oder einen der Beispieldatensätze verwenden.
Ein neuronales Netz definieren und trainieren.
Analysieren Sie mithilfe von Visualisierungsdiagrammen Ergebnisse wie Distanz zum Nachbarn, Gewichtsebenen, Probentreffer und Gewichtsposition.
MATLAB-Skripte erzeugen, um Ergebnisse zu reproduzieren und den Trainingsprozess anzupassen.
Funktionen generieren, die für den Einsatz mit MATLAB Compiler™ und MATLAB Coder™-Tools geeignet sind, und Sie nach Simulink® zur Verwendung mit Simulink Coder exportieren.
Tipp
Zum interaktiven Erstellen und Visualisieren neuronaler Deep-Learning-Netze verwenden Sie die App Deep Network Designer. Weitere Informationen finden Sie unter Erste Schritte mit Deep Network Designer.
Öffnen Sie die Clustering eines neuronalen Netzes-App
MATLAB-Symbolleiste: Klicken Sie auf der Registerkarte Apps unter Machine Learning and Deep Learning auf das App-Symbol.
MATLAB-Eingabeaufforderung: Geben Sie
nctoolein.
Algorithmen
Die App Neural Net Clustering bietet einen integrierten Trainingsalgorithmus, mit dem Sie Ihr neuronales Netz trainieren können.
| Trainingsalgorithmus | Beschreibung |
|---|---|
Stapelverarbeitung von nicht überwachtem Gewichts- und Verzerrungstraining | Mit Stapel-Aktualisierungen können Sie ein Netz mit nicht überwachten Lernregeln für Gewichte und Verzerrung trainieren. Die Gewichte und Verzerrungen werden nach einem vollständigen Durchlauf der Eingangsdaten aktualisiert. Um diesen Algorithmus zu implementieren, verwendet die App Neural Net Clustering die Funktion |
