Main Content

本页翻译不是最新的。点击此处可查看最新英文版本。

神经网络模式识别

使用两层前馈网络求解模式识别问题

说明

使用神经网络模式识别,您可以创建、可视化和训练两层前馈网络以求解数据分类问题。

使用此 App,您可以:

  • 从文件、MATLAB® 工作区导入数据,或使用示例数据集之一。

  • 将数据拆分成训练集、验证集和测试集。

  • 定义和训练一个神经网络。

  • 使用交叉熵误差和误分类误差评估网络性能。

  • 使用可视化图分析结果,如混淆矩阵和受试者工作特征曲线。

  • 生成 MATLAB 脚本以重现结果并自定义训练过程。

  • 生成适合使用 MATLAB Compiler™MATLAB Coder™ 工具部署的函数,并导出到 Simulink® 以便与 Simulink Coder 结合使用。

注意

要以交互方式构建、可视化和训练深度学习神经网络,请使用深度网络设计器。有关详细信息,请参阅深度网络设计器快速入门

Neural Net Pattern Recognition app

打开 神经网络模式识别 App

  • MATLAB 工具条:在 App选项卡上的机器学习和深度学习下,点击 App 图标。

  • MATLAB 命令提示符:输入 nprtool

算法

神经网络模式识别提供内置训练算法,可用于训练神经网络。

训练算法描述

量化共轭梯度反向传播

量化共轭梯度反向传播根据量化共轭梯度法更新权重和偏置值。

为了实现此算法,神经网络模式识别使用 trainscg 函数。