Утилиты timeseries нейронной сети

Существуют другие служебные функции, которые полезны при управлении данными о нейронной сети, которые могут состоять из последовательностей времени, параллельных пакетов или комбинаций обоих. Это может также включать несколько сигналов (как в нескольких входе, вывести или предназначаться для векторов). Следующая схема иллюстрирует структуру общего объекта данных нейронной сети. Для этого примера существует три временных шага пакета четырех выборок (четыре последовательности) двух сигналов. Один сигнал имеет два элемента, и другой сигнал имеет три элемента.

В следующей таблице перечислены некоторые более полезные служебные функции тулбокса для данных о нейронной сети. Они позволяют вам делать, вещам нравится, добавляют, вычитают, умножаются, делятся, и т.д. (Сложение и вычитание массивов ячеек не имеют стандартных определений, но для данных о нейронной сети эти операции четко определены и реализованы в следующих функциях.)

Функция	Операция
`gadd`	Добавьте нейронную сеть (nn) данные.
`gdivide`	Разделите nn данные.
`getelements`	Выберите обозначенные элементы из nn данных.
`getsamples`	Выберите обозначенные выборки из nn данных.
`getsignals`	Выберите обозначенные сигналы из nn данных.
`gettimesteps`	Выберите обозначенные временные шаги из nn данных.
`gmultiply`	Умножьте nn данные.
`gnegate`	Возьмите отрицание nn данных.
`gsubtract`	Вычтите nn данные.
`nndata`	Создайте nn объект данных заданного размера, где значения присвоены случайным образом или константе.
`nnsize`	Возвратите число элементов, выборки, временные шаги и сигналы в nn объекте данных.
`numelements`	Возвратите число элементов в nn данных.
`numsamples`	Возвратите количество выборок в nn данных.
`numsignals`	Возвратите количество сигналов в nn данных.
`numtimesteps`	Возвратите количество временных шагов в nn данных.
`setelements`	Установите указанные элементы nn данных.
`setsamples`	Установите заданные выборки nn данных.
`setsignals`	Установите заданные сигналы nn данных.
`settimesteps`	Установите шаги требуемого времени nn данных.

Существуют также некоторые полезные функции графического вывода и анализа для динамических сетей, которые перечислены в следующей таблице. Существуют примеры использования этих функций в Начало работы с Deep Learning Toolbox.

Функция	Операция
`ploterrcorr`	Постройте автокорреляционную функцию ошибки.
`plotinerrcorr`	Постройте взаимную корреляцию между ошибкой и входом.
`plotresponse`	Постройте сетевой выход и предназначайтесь по сравнению со временем.

Документация

Утилиты timeseries нейронной сети

Документация Deep Learning Toolbox

Поддержка