Neural Network Toolbox: Разлика помеѓу преработките

Додадени 4 бајти ,  пред 1 година
с
Јазична исправка, replaced: подржув → поддржув (2)
[проверена преработка][проверена преработка]
с (Јазично подобрување, replaced: индивидуални → поединечни (2))
с (Јазична исправка, replaced: подржув → поддржув (2))
Мрежите со предна спрега имаат еднонасочни врски од влезните до излезните слоеви. Тие се најмногу употребувани за предвидување, препознавање на шаблони, и нелинеарно функциско прилагодување.
Радијално заснованите мрежи овозможуваат алтернативен, побрз метод за дизајнирање на нелинеарни мрежи со предна спрега.
Динамични мрежи користат мемориски врски и повторливи врски со предна спрега за да препознаат просторни и временски шаблони во податоците. Тие обично се користат за time-series prediction, [[нелинеарно моделирање на системи]], и апликации за управување со ситеми. Однапред изградените динамички мрежи во самата алатка вклучуваат фокусирачко и дистрибуирано временско каснење, нелинеарна авторегресивна (NARX), повторливост на слоеви, Елманови и [[Хопфилдови мрежи]]. Алатката исто така подржуваподдржува динамичко обучување на прилагодливи мрежи со произволни врски.
LVQ е моќен метод за класификација на шаблони кои не се линеарно оддвојливи. LVQ овозможува специфицирање на класни граници и грануалитет на класификација.
 
=== Мрежи без надзор ===
Невронските мрежи без надзор се обучуваат со дозволувајќи на мрежата постојано да се прилагодува самата себе на нови влезови. Мрежата наоѓа врски во самите податоци и може автоматски да дефинира класификациски шеми.
Neural Network Toolbox подржуваподдржува два типа на само-организирани, мрежи без надзор: натпреварувачки слоеви и [[самоорганизирани мапи]].
Натпреварувачки слоеви ги препознаваат и групираат слични влезни вектори. Со користење на овие групи, мрежата автоматски ги сортира влезовите во категории.
Само-организираните карти учат да ги класифицираат влезните вектори според сличност. За разлика од натпреварувачките слоеви, тие исто така ја заштитуваат топологијата на влезните вектори, задавајки блиски влезови на блиски категории.