Neural Net Time Series | Решите нелинейную проблему временных рядов путем обучения динамической нейронной сети |
timedelaynet | Нейронная сеть с временной задержкой |
narxnet | Нелинейная авторегрессивная нейронная сеть с внешним входом |
narnet | Нелинейная авторегрессивная нейронная сеть |
layrecnet | Рекуррентная нейронная сеть слоя |
distdelaynet | Распределенная сеть задержки |
train | Обучите мелкую нейронную сеть |
gensim | Сгенерируйте блок Simulink для мелкой симуляции нейронной сети |
adddelay | Добавьте задержку с ответом нейронной сети |
removedelay | Удалите задержку с ответом нейронной сети |
closeloop | Преобразуйте обратную связь разомкнутого цикла нейронной сети в замкнутый цикл |
openloop | Преобразуйте нейронную сеть обратная связь с обратной связью в разомкнутый цикл |
ploterrhist | Постройте ошибочную гистограмму |
plotinerrcorr | Вход графика к ошибочной взаимной корреляции timeseries |
plotregression | Постройте линейную регрессию |
plotresponse | Постройте динамический сетевой ответ временных рядов |
ploterrcorr | Постройте автокорреляцию ошибочных временных рядов |
genFunction | Сгенерируйте функцию MATLAB для симуляции мелкой нейронной сети |
Мелкий прогноз timeseries нейронной сети и моделирование
Сделайте прогноз временных рядов с помощью Приложения Временных рядов Нейронной сети и функций командной строки.
Серийные нейронные сети задержки времени проектирования
Учитесь разрабатывать фокусируемую нейронную сеть с временной задержкой (FTDNN) для прогноза timeseries.
Многоступенчатый прогноз нейронной сети
Изучите многоступенчатый прогноз нейронной сети.
Ряд времени проектирования нейронные сети обратной связи NARX
Создайте и обучите нелинейную авторегрессивную сеть с внешними входными параметрами (NARX).
Разработайте рекуррентные нейронные сети слоя
Создайте и обучите динамическую сеть, которая является Текущей слоем сетью (LRN).
Разверните мелкие функции нейронной сети
Моделируйте и разверните обученные мелкие нейронные сети с помощью инструментов MATLAB®.
Разверните обучение мелких нейронных сетей
Узнать, как развернуть обучение мелких нейронных сетей.
С магнитной левитацией моделирование
Этот пример иллюстрирует, как NARX (Нелинейный AutoRegressive с внешним входом) нейронная сеть может смоделировать магнитное поднятие динамическая система.
Нейронные сети с параллелью и вычислением графического процессора
Используйте параллельные и распределенные вычисления, чтобы ускорить обучение нейронной сети и симуляцию и обработать большие данные.
Автоматически сохраните контрольные точки во время обучения нейронной сети
Сохраните промежуточные результаты защитить значение долгих учебных выполнений.
Оптимизируйте скорость обучения нейронной сети и память
Сделайте обучение нейронной сети более эффективным.
Выберите Neural Network Input-Output Processing Functions
Предварительно обработайте входные параметры и цели для более эффективного обучения.
Сконфигурируйте вводы и выводы нейронной сети
Узнать, как вручную сконфигурировать сеть перед обучением с помощью функции configure
.
Разделите данные для оптимального обучения нейронной сети
Используйте функции, чтобы разделить данные на обучение, валидацию и наборы тестов.
Выберите многоуровневую функцию обучения нейронной сети
Сравнение учебных алгоритмов на различных проблемных типах.
Улучшите мелкое обобщение нейронной сети и постарайтесь не сверхсоответствовать
Изучите методы, чтобы улучшить обобщение и предотвратить сверхподбор кривой.
Обучите нейронные сети с ошибочными весами
Узнать, как использовать ошибочное взвешивание при обучении нейронных сетей.
Нормируйте ошибки нескольких Выходных параметров
Узнать, как соответствовать выходным элементам различными областями значений значений.
Как динамическая работа нейронных сетей
Узнать, как feedforward и текущие сети работают.
Несколько последовательностей с динамическими нейронными сетями
Управляйте данными timeseries, которые доступны в нескольких коротких последовательностях.
Утилиты timeseries нейронной сети
Узнать, как использовать служебные функции, чтобы управлять данными о нейронной сети.
Наборы выборочных данных для мелких нейронных сетей
Список наборов выборочных данных, чтобы использовать при экспериментировании с мелкими нейронными сетями.
Свойства объектов нейронной сети
Изучите свойства, которые задают основные характеристики сети.
Подсвойства объектов нейронной сети
Изучите свойства что детали сети define, такие как входные параметры, слои, выходные параметры, цели, смещения и веса.