Main Content

La traduction de cette page n'est pas à jour. Cliquez ici pour voir la dernière version en anglais.

Reconnaissance de patterns

Entraîner un réseau de neurones pour généraliser des exemples d’entrées et leurs classes, entraîner des autoencodeurs

Applications

Neural Net Pattern RecognitionRésoudre un problème de reconnaissance de formes avec des réseaux feedforward à deux couches

Classes

AutoencoderAutoencoder class

Fonctions

développer tout

nprtoolOuvrir l’application Neural Net Pattern Recognition
viewAfficher un réseau de neurones peu profond
trainAutoencoderTrain an autoencoder
trainSoftmaxLayerTrain a softmax layer for classification
decodeDecode encoded data
encodeEncode input data
predictReconstruct the inputs using trained autoencoder
stackStack encoders from several autoencoders together
networkConvert Autoencoder object into network object
patternnetGénérer un réseau de reconnaissance de formes
lvqnetLearning vector quantization neural network
trainEntraîner un réseau de neurones peu profond
trainlmLevenberg-Marquardt backpropagation
trainbrBayesian regularization backpropagation
trainscgScaled conjugate gradient backpropagation
trainrpResilient backpropagation
mseFonction de performance d’erreur quadratique moyenne normalisée
rocReceiver operating characteristic
plotconfusionPlot classification confusion matrix
ploterrhistPlot error histogram
plotperformTracer les performances d’un réseau
plotregressionTracer une régression linéaire
plotrocTracer la fonction d’efficacité d’un récepteur
plottrainstateTracer les valeurs d'un état de l’apprentissage
crossentropyNeural network performance
genFunctionGenerate MATLAB function for simulating shallow neural network

Exemples et procédures

Design de base

Scalabilité et efficacité de l’apprentissage

Solutions optimales

Classification

  • Crab Classification
    This example illustrates using a neural network as a classifier to identify the sex of crabs from physical dimensions of the crab.
  • Wine Classification
    This example illustrates how a pattern recognition neural network can classify wines by winery based on its chemical characteristics.
  • Cancer Detection
    This example shows how to train a neural network to detect cancer using mass spectrometry data on protein profiles.
  • Character Recognition
    This example illustrates how to train a neural network to perform simple character recognition.

Autoencodeurs

Concepts