Exponenta Banner

Stateful Predict

Прогнозируйте ответы с помощью обученной рекуррентной нейронной сети

развернуть все на странице
  • Библиотека:

  • Deep Learning Toolbox/Глубокие нейронные сети

  • Stateful Predict block

Описание

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

Порты

Вход

расширить все

Порты входа блока Stateful Predict берут имена входа слоев загруженной сети. На основе загруженной сети, вход в блок предсказания может быть данными последовательности или временных рядов.

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

ВходОписание
Векторные последовательностиc -by - s матрицы, где c - количество функций последовательностей, а s - длина последовательности.
2-D 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.

Выход

расширить все

Порт выходов блока Stateful Predict принимает имена выхода слоев загруженной сети. На основе загруженной сети выход блока Stateful Predict может представлять предсказанные счета или отклики.

Для классификации от последовательности до метки выходом является матрица N -by K, где N - количество наблюдений, а K - количество классов.

Для задач классификации последовательность-последовательность выходом является K -by - S матрица счетов, где K - количество классов, а S - общее количество временных шагов в соответствующей входной последовательности.

Параметры

расширить все

Укажите источник для обученной рекуррентной нейронной сети. Обученная сеть должна иметь по крайней мере один повторяющийся слой (для примера, сеть LSTM). Выберите один из следующих вариантов:

  • Network from MAT-file- Импорт обученной рекуррентной нейронной сети из MAT-файла, содержащего SeriesNetwork, DAGNetwork, или dlnetwork объект.

  • Network from MATLAB function- Импорт предварительно обученной рекуррентной нейронной сети из функции MATLAB.

Этот параметр задает имя MAT-файла, который содержит обученную рекуррентную нейронную сеть для загрузки. Если файл отсутствует в пути MATLAB, используйте кнопку Browse, чтобы найти файл.

Зависимости

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

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

Зависимости

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

Задайте шаг расчета как значение, отличное от -1. Для получения дополнительной информации см. «Задание шага расчета» (Simulink).

Примеры моделей

Predict and Update Network State in Simulink

Предсказание и обновление состояния сети в Simulink

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

Расширенные возможности

..

См. также

| |

Введенный в R2021a

Документация по Deep Learning Toolbox

Поддержка