Main Content

多层浅层神经网络与反向传播训练

浅层多层前馈神经网络可用于函数拟合和模式识别问题。通过增加抽头延迟线,它还可用于预测问题,如Design Time Series Time-Delay Neural Networks中所述。本主题说明如何使用多层网络。它还说明设计任何神经网络的基本过程。

注意

本主题中所述的训练函数不限于在多层网络中使用。它们可用于训练任意架构(甚至自定义网络),前提是网络架构的组件可区分。

一般神经网络设计过程的工作流包含七个主要步骤:

  1. 收集数据

  2. 创建网络

  3. 配置网络

  4. 初始化权重和偏置

  5. 训练网络

  6. 验证网络(训练后的分析)

  7. 使用网络

步骤 1 可能发生在 Deep Learning Toolbox™ 软件的框架之外,但此步骤对设计过程的成功至关重要。

此工作流的详细信息将在以下章节中讨论:

可选的工作流步骤将在以下各节中讨论:

对于时间序列、动态建模和预测的信息,请参阅本节: