fitnet

学習データを読み込みます。

[x,t] = simplefit_dataset;

1 行 94 列の行列 x には入力値が含まれ、1 行 94 列の行列 t には関連付けられたターゲット出力値が含まれます。

サイズが 10 の隠れ層を 1 つ持つ関数近似ニューラル ネットワークを構築します。

net = fitnet(10);

ネットワークを表示します。

view(net)

入力と出力のサイズは 0 に設定されます。これらのサイズは、学習データに従って学習中に調整されます。

学習データを使用してネットワーク net に学習させます。

net = train(net,x,t);

学習済みネットワークを表示します。

view(net)

入力と出力のサイズが 1 に設定されていることがわかります。

学習済みネットワークを使用してターゲットを推定します。

y = net(x);

学習済みネットワーク性能を評価します。既定の性能関数は、平均二乗誤差です。

perf = perform(net,y,t)

perf = 1.4639e-04

関数近似ネットワークの既定の学習アルゴリズムは、レーベンバーグ・マルカート法 ('trainlm') です。ベイズ正則化学習アルゴリズムを使用して、性能の結果を比較します。

net = fitnet(10,'trainbr');
net = train(net,x,t);

y = net(x);
perf = perform(net,y,t)

perf = 3.3416e-10

ベイズ正則化学習アルゴリズムは、ターゲット値の推定という観点からネットワーク性能を改善します。