Задержка времени нейронная сеть
timedelaynet(inputDelays,hiddenSizes,trainFcn)
Сети задержки по времени аналогичны сетям прямого распространения, за исключением того, что вес входа имеет связанную с ним линию задержки отвода. Это позволяет сети иметь конечную динамическую характеристику на входные данные временных рядов. Эта сеть также аналогична распределенной нейронной сети задержки (distdelaynet), который имеет задержки на весах слоев в сложение с входом весом.
timedelaynet(inputDelays,hiddenSizes,trainFcn) принимает эти аргументы,
inputDelays | Вектор-строка с увеличением 0 или положительными задержками (по умолчанию = 1:2) |
hiddenSizes | Вектор-строка одного или нескольких скрытых размеров слоя (по умолчанию = 10) |
trainFcn | Функция обучения (по умолчанию = |
и возвращает нейронную сеть с временной задержкой.
Разделите набор обучающих данных. Использование Xnew чтобы сделать предсказание в режиме с обратным циклом позже.
[X,T] = simpleseries_dataset; Xnew = X(81:100); X = X(1:80); T = T(1:80);
Обучите сеть задержки времени и моделируйте ее на первых 80 наблюдениях.
net = timedelaynet(1:2,10); [Xs,Xi,Ai,Ts] = preparets(net,X,T); net = train(net,Xs,Ts,Xi,Ai); view(net)
Вычислите эффективность сети.
[Y,Xf,Af] = net(Xs,Xi,Ai); perf = perform(net,Ts,Y);
Запустите предсказание на 20 временных интервалов вперед в режиме с обратным циклом.
[netc,Xic,Aic] = closeloop(net,Xf,Af); view(netc)
y2 = netc(Xnew,Xic,Aic);
distdelaynet | narnet | narxnet | preparets | removedelay
