Esta página es para la versión anterior. La página correspondiente en inglés ha sido eliminada en la versión actual.

Aproximación y regresión no lineal de funciones

Cree una red neuronal para generalizar relaciones no lineales entre entradas y salidas de ejemplo

Apps

Resolver un problema de ajuste utilizando redes de propagación hacia adelante de dos capas

`nftool`	Abrir la app Neural Net Fitting
`view`	Visualizar una red neuronal superficial

`fitnet`	Red neuronal de ajuste de funciones
`feedforwardnet`	Generar una red neuronal prealimentada
`cascadeforwardnet`	Generar una red neuronal prealimentada en cascada

`train`	Entrenar una red neuronal superficial
`trainlm`	Retropropagación Levenberg-Marquardt
`trainbr`	Retropropagación de regularización bayesiana
`trainscg`	Retropropagación de gradiente conjugado escalado
`trainrp`	Resilient backpropagation
`mse`	Función de rendimiento normalizada de error cuadrático medio
`regression`	(No recomendado) Realizar una regresión lineal de las salidas de redes superficiales en los objetivos
`ploterrhist`	Representar un histograma de error
`plotfit`	Representar el ajuste de una función
`plotperform`	Representar el rendimiento de la red
`plotregression`	Representar una regresión lineal
`plottrainstate`	Representar valores de estado de entrenamiento
`genFunction`	(To be removed) Generate MATLAB function for simulating shallow neural network

Redes superficiales para reconocimiento de patrones, agrupación y series de tiempo
Utilice aplicaciones y funciones para diseñar redes neuronales superficiales para ajuste de funciones, reconocimiento de patrones, agrupación y análisis de series de tiempo.
Ajustar datos con una red neuronal superficial
Entrene una red neuronal superficial para ajustar un conjunto de datos.

Configurar entradas y salidas de redes neuronales superficiales
Aprenda a configurar manualmente la red antes de entrenarla con la función configure.
Dividir datos para realizar un entrenamiento de red neuronal óptimo
Use funciones para dividir los datos en conjuntos de entrenamiento, validación y prueba.

Flujo de trabajo para el diseño de redes neuronales
Aprenda los principales pasos del proceso de diseño de una red neuronal.
Redes neuronales superficiales multicapa y entrenamiento de retropropagación
Flujo de trabajo para diseñar una red neuronal prealimentada superficial multicapa para el ajuste de funciones y el reconocimiento de patrones.
Arquitectura de red neuronal superficial multicapa
Aprenda la arquitectura de una red neuronal superficial multicapa.
Conjuntos de datos de muestra para redes neuronales superficiales
Lista de conjuntos de datos de muestra que se pueden utilizar al experimentar con redes neuronales superficiales.