narxnet
Нелинейная авторегрессивная нейронная сеть с внешним входом
Синтаксис
narxnet(inputDelays,feedbackDelays,hiddenSizes,feedbackMode,trainFcn)
Описание
NARX (Нелинейный авторегрессивный с внешним входом) сети может учиться предсказывать временные ряды, данные прошлые значения тех же временных рядов, входа обратной связи и других временных рядов, названных внешними или внешними временными рядами.
narxnet(inputDelays,feedbackDelays,hiddenSizes,feedbackMode,trainFcn) берет эти аргументы,
inputDelays | Вектор-строка из увеличения 0 или положительных задержек (значение по умолчанию = 1:2) |
feedbackDelays | Вектор-строка из увеличения 0 или положительных задержек (значение по умолчанию = 1:2) |
hiddenSizes | Вектор-строка из одного или нескольких размеров скрытого слоя (значение по умолчанию = 10) |
feedbackMode | Один из 'open', 'closed', или 'none' (значением по умолчанию является 'open') |
trainFcn | Учебная функция (значением по умолчанию является |
и возвращает нейронную сеть NARX.
Примеры
Обучите сеть NARX и предскажите на новых данных
Разделите обучающие данные. Используйте Xnew сделать предсказание в режиме замкнутого цикла позже.
[X,T] = simpleseries_dataset; Xnew = X(81:100); X = X(1:80); T = T(1:80);
Обучите сеть и симулируйте ее на первых 80 наблюдениях
net = narxnet(1:2,1:2,10);
[Xs,Xi,Ai,Ts] = preparets(net,X,{},T);
net = train(net,Xs,Ts,Xi,Ai);
view(net)
Вычислите производительность сети.
[Y,Xf,Af] = net(Xs,Xi,Ai); perf = perform(net,Ts,Y)
perf =
0.0153
Запустите предсказание для 20 временных шагов вперед в режиме замкнутого цикла.
[netc,Xic,Aic] = closeloop(net,Xf,Af); view(netc)
y2 = netc(Xnew,Xic,Aic)
y2 =
1x20 cell array
Columns 1 through 5
{[-0.0156]} {[0.1133]} {[-0.1472]} {[-0.0706]} {[0.0355]}
Columns 6 through 10
{[-0.2829]} {[0.2047]} {[-0.3809]} {[-0.2836]} {[0.1886]}
Columns 11 through 15
{[-0.1813]} {[0.1373]} {[0.2189]} {[0.3122]} {[0.2346]}
Columns 16 through 20
{[-0.0156]} {[0.0724]} {[0.3395]} {[0.1940]} {[0.0757]}
Смотрите также
closeloop | narnet | openloop | preparets | removedelay | timedelaynet