| Neural Net Time Series | Решите нелинейную задачу временных рядов путем настройки динамической нейронной сети |
timedelaynet | Задержка времени нейронная сеть |
narxnet | Нелинейная авторегрессивная нейронная сеть с внешним входом |
narnet | Нелинейная авторегрессивная нейронная сеть |
layrecnet | Слой рекуррентной нейронной сети |
distdelaynet | Распределенная сеть задержки |
train | Обучите неглубокую нейронную сеть |
gensim | Сгенерируйте блок Simulink для симуляции мелкой нейронной сети |
adddelay | Добавьте задержку в ответ нейронной сети |
removedelay | Удалите задержку на ответ нейронной сети |
closeloop | Преобразуйте обратной связи разомкнутой нейронной сети в замкнутый цикл |
openloop | Преобразуйте обратную связь нейронной сети с обратной связью в разомкнутый контур |
ploterrhist | График гистограммы ошибки |
plotinerrcorr | Постройте график взаимной корреляции входа во timeseries ошибок |
plotregression | Постройте линейную регрессию |
plotresponse | Постройте динамическую характеристику временных рядов сети |
ploterrcorr | Постройте автокорреляцию временных рядов ошибок |
genFunction | Сгенерируйте функцию MATLAB для симуляции неглубокой нейронной сети |
Мелкая нейронная сеть Timeseries Предсказания и моделирования
Сделайте предсказание временных рядов с помощью приложения Neural Network Time Series и функций командной строки.
Проектирование временных рядов нейронных сетей с задержкой по времени
Научитесь проектировать сфокусированную нейронную сеть с задержкой по времени (FTDNN) для предсказания timeseries.
Многоступенчатое предсказание нейронной сети
Изучение многоступенчатого предсказания нейронной сети.
Проектирование временных рядов NARX Обратная связь Нейронные сети
Создайте и обучите нелинейную авторегрессивную сеть с экзогенными входами (NARX).
Проектирование рекуррентных нейронных сетей уровня
Создайте и обучите динамическую сеть, которая является Layer-Recurrent Network (LRN).
Развертывание функций неглубокой нейронной сети
Моделируйте и развертывайте обученные неглубокие нейронные сети с помощью MATLAB® инструменты.
Развертывание обучения мелких нейронных сетей
Узнайте, как развернуть обучение неглубоких нейронных сетей.
Этот пример иллюстрирует, как нейронная сеть NARX (Nonlinear AutoRegressive with eXternal input) может моделировать динамическую систему левитации магнитов.
Мелкие нейронные сети с параллельными и GPU- Вычисления
Используйте параллельные и распределенные вычисления, чтобы ускорить обучение и симуляцию нейронной сети и обработать большие данные.
Автоматическая сохранение контрольных точек во время обучения нейронной сети
Сохраните промежуточные результаты, чтобы защитить значение длительных запусков.
Оптимизируйте скорость и память обучения нейронной сети
Сделайте обучение нейронной сети более эффективным.
Выберите функции обработки ввода-вывода нейронной сети
Предварительная обработка входов и целей для более эффективного обучения.
Сконфигурируйте входы и выходы неглубокой нейронной сети
Узнайте, как настроить сеть вручную перед обучением с помощью configure функция.
Разделите данные для оптимального обучения нейронной сети
Используйте функции, чтобы разделить данные на наборы для обучения, валидации и тестирования.
Выберите многослойную функцию обучения нейронной сети
Сравнение алгоритмов настройки по различным типам задач.
Улучшите обобщение неглубокой нейронной сети и избегайте избыточного оснащения
Узнать методы, чтобы улучшить обобщение и предотвратить сверхподбор кривой.
Обучите нейронные сети с весами ошибок
Узнать, как использовать взвешивание ошибок при обучении нейронных сетей
Нормализуйте ошибки нескольких выходов
Узнать, как соответствовать выходным элементам с различными областями значений значений.
Как работают динамические нейронные сети
Узнайте, как работают feedforward и регулярной связями.
Несколько последовательностей с динамическими нейронными сетями
Управление данными timeseries, которые доступны в нескольких коротких последовательностях.
Утилиты Neural Network Time-Series
Узнать, как использовать служебные функции для манипулирования данными нейронной сети.
Выборочные данные для мелких нейронных сетей
Список выборочных наборов данных для использования при экспериментах с мелкими нейронными сетями.
Свойства объекта нейронной сети
Узнайте свойства, которые определяют основные функции сети.
Свойства подобъекта нейронной сети
Узнайте свойства, которые определяют детали сети, такие как входы, слои, выходы, цели, смещения и веса.