Утилиты временных рядов нейронной сети

Есть и другие полезные функции, которые полезны при манипулировании данными нейронной сети, которые могут состоять из временных последовательностей, параллельных партий или комбинаций того и другого. Он также может включать в себя множество сигналов (как в множестве входных, выходных или целевых векторов). Следующая диаграмма иллюстрирует структуру общего объекта данных нейронной сети. Для этого примера существуют три временных этапа партии из четырех выборок (четырех последовательностей) двух сигналов. Один сигнал имеет два элемента, а другой - три элемента.

В следующей таблице перечислены некоторые из наиболее полезных функций утилиты инструментария для данных нейронной сети. Они позволяют делать такие вещи, как сложение, вычитание, умножение, деление и т.д. (Сложение и вычитание клеточных массивов не имеют стандартных определений, но для данных нейронной сети эти операции хорошо определены и реализованы в следующих функциях.)

Функция	Операция
`gadd`	Добавить данные нейронной сети (nn).
`gdivide`	Разделить nn данных.
`getelements`	Выберите указанные элементы из nn данных.
`getsamples`	Выберите указанные образцы из данных nn.
`getsignals`	Выберите индицируемые сигналы из nn данных.
`gettimesteps`	Выберите указанные временные шаги из nn данных.
`gmultiply`	Умножьте nn данных.
`gnegate`	Возьмите негатив nn данных.
`gsubtract`	Вычитание nn данных.
`nndata`	Создайте объект данных nn указанного размера, где значения назначаются случайным образом или константе.
`nnsize`	Возвращает количество элементов, выборок, временных шагов и сигналов в nn объекте данных.
`numelements`	Возвращает количество элементов в данных nn.
`numsamples`	Возвращает количество выборок в данных nn.
`numsignals`	Возвращает количество сигналов в nn данных.
`numtimesteps`	Возвращает количество шагов времени в nn данных.
`setelements`	Задать указанные элементы nn данных.
`setsamples`	Задать заданные выборки nn данных.
`setsignals`	Задать заданные сигналы nn данных.
`settimesteps`	Задайте указанные временные шаги nn данных.

Существуют также некоторые полезные функции печати и анализа для динамических сетей, которые перечислены в следующей таблице. Есть примеры использования этих функций в панели инструментов «Начало работы с глубоким обучением».

Функция	Операция
`ploterrcorr`	Постройте график автокорреляционной функции ошибки.
`plotinerrcorr`	Постройте график перекрестной корреляции между ошибкой и вводом.
`plotresponse`	Постройте график выхода сети и зависимости цели от времени.

Документация

Утилиты временных рядов нейронной сети

Документация по инструментам для глубокого обучения

Поддержка