Approssimazione, clustering e controllo delle funzioni

Eseguire la regressione, la classificazione, il clustering e modellare sistemi dinamici non lineari utilizzando reti neurali superficiali

Generalizzare le relazioni non lineari tra input e output di esempio, eseguire l'apprendimento senza supervisione con clustering e autoencoder.

Reti neurali dinamiche, comprese NARX e Time-Delay; creare modelli Simulink^®; controllare sistemi non lineari utilizzando reti neurali modello-predittive, NARMA-L2 e modello-riferimento.

Categorie

Approssimazione e clustering delle funzioni
Eseguire la regressione, classificazione e il clustering utilizzando reti neurali superficiali
Serie temporali e sistemi di controllo
Modellare sistemi dinamici non lineari utilizzando reti superficiali; fare previsioni utilizzando dati sequenziali.