La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.
Neural Net Pattern Recognition
Résoudre un problème de reconnaissance de formes avec des réseaux feedforward à deux couches
Description
L’application Neural Net Pattern Recognition vous permet de créer, visualiser et entraîner des réseaux feedfoward à deux couches pour résoudre des problèmes de classification de données.
Avec cette application, vous pouvez :
Importer des données depuis un fichier, l’espace de travail MATLAB® ou utiliser un des exemples de jeux de données.
Répartir les données entre les jeux d’apprentissage, de validation et de test.
Définir et entraîner un réseau de neurones.
Évaluer les performances du réseau avec une erreur d’entropie croisée et une erreur de classification.
Analyser les résultats avec des tracés de visualisation, comme des matrices de confusion et des courbes ROC (Receiver Operating Characteristic).
Générer des scripts MATLAB pour reproduire des résultats et personnaliser le processus d’apprentissage.
Générer des fonctions adaptées à un déploiement avec des outils MATLAB Compiler™ et MATLAB Coder™ et les exporter vers Simulink® pour une utilisation avec Simulink Coder.
Ouvrir l'application Neural Net Pattern Recognition
Barre d’outils MATLAB : dans l’onglet Apps, dans la section Machine Learning and Deep Learning, cliquez sur l’icône de l’application.
Invite de commande MATLAB : saisissez
nprtool
.
Algorithmes
L’application Neural Net Pattern Recognition propose un algorithme d’apprentissage prédéfini que vous pouvez utiliser pour entraîner votre réseau de neurones.
Algorithme d’apprentissage | Description |
---|---|
Rétropropagation du gradient conjugué à l’échelle | La rétropropagation du gradient conjugué à l’échelle met à jour les valeurs des poids et des biais selon la méthode du gradient conjugué à l’échelle. Pour implémenter cet algorithme, l’application Neural Net Pattern Recognition utilise la fonction |