Exponenta Banner

Stateful Predict

Предскажите ответы с помощью обученной рекуррентной нейронной сети

расширьте все на странице
  • Библиотека:

  • Deep Learning Toolbox / Глубокие нейронные сети

  • Stateful Predict block

Описание

Блок Stateful Predict предсказывает ответы для данных во входе при помощи обученной рекуррентной нейронной сети, заданной через параметры блоков. Этот блок позволяет загружать предварительно обученной сети в модель Simulink® из MAT-файла или из функции MATLAB®. Этот блок обновляет состояние сети с каждым предсказанием.

Порты

Входной параметр

развернуть все

Входные порты блока Stateful Predict берут имена входных слоев загруженной сети. На основе загруженной сети вход с предсказать блоком может быть последовательностью или данными временных рядов.

Размерности числовых массивов, содержащих последовательности, зависят от типа данных.

Входной параметрОписание
Векторные последовательностиc-by-s матрицы, где c является количеством функций последовательностей и s, является длиной последовательности.
2D последовательности изображенийh-by-w-by-c-by-s массивы, где h, w и c соответствуют высоте, ширине, и количеству каналов изображений, соответственно, и s, является длиной последовательности.

Вывод

развернуть все

Выходной порт блока Stateful Predict берет имена выходных слоев загруженной сети. На основе загруженной сети выход блока Stateful Predict может представлять предсказанные баллы или ответы.

Для классификации последовательностей к метке выходом является N-by-K матрица, где N является количеством наблюдений, и K является количеством классов.

Для проблем классификации от последовательности к последовательности выходом является K-by-S матрица баллов, где K является количеством классов, и S является общим количеством временных шагов в соответствующей входной последовательности.

Параметры

развернуть все

Задайте источник для обученной рекуррентной нейронной сети. Обучивший сеть должен иметь по крайней мере один текущий слой (например, сеть LSTM). Выберите одно из следующего:

  • Network from MAT-file— Импортируйте обученную рекуррентную нейронную сеть из MAT-файла, содержащего SeriesNetwork, DAGNetwork, или dlnetwork объект.

  • Network from MATLAB function— Импортируйте предварительно обученную рекуррентную нейронную сеть из функции MATLAB.

Этот параметр задает имя MAT-файла, который содержит обученную рекуррентную нейронную сеть, чтобы загрузить. Если файл не находится на пути MATLAB, используйте кнопку Browse, чтобы определить местоположение файла.

Зависимости

Чтобы включить этот параметр, установите параметр Network на Network from MAT-file.

Этот параметр задает имя функции MATLAB для предварительно обученной рекуррентной нейронной сети.

Зависимости

Чтобы включить этот параметр, установите параметр Network на Network from MATLAB function.

Задайте шаг расчета как значение кроме-1. Для получения дополнительной информации см. Настройку времени выборки (Simulink).

Примеры модели

Predict and Update Network State in Simulink

Предскажите и обновите сетевое состояние в Simulink

Предскажите ответы для обученной рекуррентной нейронной сети в Simulink® при помощи Stateful Predict блок. Этот пример использует предварительно обученную сеть долгой краткосрочной памяти (LSTM).

Расширенные возможности

Смотрите также

| |

Введенный в R2021a

Документация Deep Learning Toolbox

Поддержка