linearlayer

Линейный слой

Синтаксис

linearlayer(inputDelays,widrowHoffLR)

Описание

Линейные слои являются единственными слоями линейных нейронов. Они могут быть статическими, с входными задержками 0, или динамическими с входными задержками, больше, чем 0. Они могут быть обучены на простых линейных проблемах временных рядов, но часто используются адаптивно, чтобы продолжить учиться, в то время как развернуто, таким образом, они могут настроить к изменениям в отношении между вводами и выводами, будучи используемым.

Если сеть необходима, чтобы решить нелинейное отношение временных рядов, то лучшие сети, чтобы попробовать включают timedelaynet, narxnet, и narnet.

linearlayer(inputDelays,widrowHoffLR) берет эти аргументы,

inputDelays

Вектор-строка из увеличения 0 или положительных задержек (значение по умолчанию = 0)

widrowHoffLR

Скорость обучения Видроу-Хофф (значение по умолчанию = 0.01)

и возвращает линейный слой.

Если скорость обучения слишком будет мала, изучение будет происходить очень медленно. Однако большая опасность состоит в том, что это может быть слишком большим, и изучение станет нестабильным получившийся в больших изменениях в векторах веса и ошибках, увеличивающихся вместо уменьшения. Если набор данных доступен, который характеризует отношение, которое должен изучить слой, максимальная устойчивая скорость обучения может быть вычислена с maxlinlr.

Примеры

Создайте и обучите линейный слой

Здесь линейный слой обучен на простой проблеме временных рядов.

x = {0 -1 1 1 0 -1 1 0 0 1};
t = {0 -1 0 2 1 -1 0 1 0 1};
net = linearlayer(1:2,0.01);
[Xs,Xi,Ai,Ts] = preparets(net,x,t);
net = train(net,Xs,Ts,Xi,Ai);
view(net)
Y = net(Xs,Xi);
perf = perform(net,Ts,Y)
perf =

    0.2396

Смотрите также

| | | |

Представленный в R2010b
Для просмотра документации необходимо авторизоваться на сайте