Neuronale Netze – Mustererkennung

(Zu entfernen) Lösung eines Mustererkennungsproblems mit zweischichtigen Feed-Forward-Netzen

Die App The Neuronale Netze – Mustererkennung wird in einer zukünftigen Version entfernt. Weitere Informationen finden Sie unter Transition Legacy Neural Network Code to dlnetwork Workflows.

Ratschläge zur Aktualisierung Ihres Codes finden Sie unter Versionsverlauf.

Beschreibung

Mit der App Neural Net Pattern Recognition können Sie zweischichtige Feed-Forward-Netze erstellen, visualisieren und trainieren, um Datenklassifizierungsprobleme zu lösen.

Mit dieser App können Sie:

  • Daten aus einer Datei oder dem MATLAB®-Workspace importieren oder einen der Beispieldatensätze verwenden.

  • Die Daten in Trainings-, Validierungs- und Testmengen unterteilen.

  • Ein neuronales Netz definieren und trainieren.

  • Die Leistung des Netzes anhand des Kreuzentropie-Fehlers und des Fehlklassifizierungsfehlers bewerten.

  • Die Ergebnisse mithilfe von Visualisierungsdiagrammen, wie z. B. Konfusionsmatrizen und Grenzwertoptimierungskurven (ROC-Kurven) analysieren.

  • 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.

Neural Net Pattern Recognition app

Öffnen Sie die Neuronale Netze – Mustererkennung-App

  • Vor R2026a: MATLAB-Symbolleiste: Klicken Sie auf der Registerkarte Apps unter Machine Learning and Deep Learning auf das App-Symbol.

  • MATLAB-Eingabeaufforderung: Geben Sie nprtool ein.

Algorithmen

Die App Neural Net Pattern Recognition bietet einen integrierten Trainingsalgorithmus, mit dem Sie Ihr neuronales Netz trainieren können.

TrainingsalgorithmusBeschreibung

Skalierte konjugierte Gradienten-Backpropagation

Die skalierte konjugierte Gradienten-Backpropagation aktualisiert die Gewichtungs- und Verzerrungswerte nach der Methode des skalierten konjugierten Gradienten.

Um diesen Algorithmus zu implementieren, verwendet die App Neural Net Pattern Recognition die Funktion trainscg.

Versionsverlauf

alle reduzieren

Siehe auch

(Statistics and Machine Learning Toolbox) | | | | | | (Statistics and Machine Learning Toolbox) | (Statistics and Machine Learning Toolbox) | (Statistics and Machine Learning Toolbox) | | |

Themen