to top
Select language:    en ENGLISH  |  cs CZECH
Neural Network Toolbox
picture
Návrh, učení a simulace neuronových sítí, včetně hlubokých
Neural Network Toolbox poskytuje algoritmy, předem naučené modely a grafická uživatelská rozhraní k tvorbě, učení, vizualizaci a simulaci neuronových sítí (mělkých i hlubokých). Nástroj umožní řešit klasifikační úlohy, regresi, shlukování, redukci dimenzionality, předpovídání časových řad či modelování dynamických a řídicích systémů.
Hluboké neuronové sítě zahrnují konvoluční neuronové sítě (ConvNet, CNN), sítě s topologií orientovaných acyklických grafů (DAG) a autoenkodéry, určené ke klasifikaci obrazu, regresi a extrakci rysů. Pro analýzu časových řad, ať už klasifikaci nebo regresi, jsou v aplikační knihovně k dispozici LSTM hluboké sítě.
Vrstvy sítě s jejich aktivacemi je možné vizualizovat a architektura neuronové sítě je otevřená a modifikovatelná. Proces trénování se dá monitorovat a v případě potřeby zastavit.
Pro malé datové sady lze rychle aplikovat hluboké učení pomocí metody transfer learning. Pro transfer learning je možné využít předem naučené hluboké sítě (například Inception-v3, ResNet-50, ResNet-101, GoogLeNet, AlexNet, VGG-16, VGG-19) a modely importované z TensorFlow™ Keras nebo Caffe.
Rychlejšího učení s rozsáhlými daty lze dosáhnout využitím Parallel Computing Toolboxu, kdy jsou data a výpočty distribuovány napříč vícejádrovými procesory a GPU na osobním počítači, nebo nasazením výpočtů na cluster či cloud s nástrojem MATLAB Distributed Computing Server.
Jako úvod do metod hlubokého učení si vyzkoušejte online kurz zdarma: Deep Learning Onramp.

© HUMUSOFT 1991 - 2018