Утилиты Neural Network Time-Series

Существуют и другие служебные функции, которые применяются при манипулировании данными нейронной сети, которые могут состоять из временных последовательностей, параллельных пакетов или комбинаций обоих. Это также может включать несколько сигналов (как в нескольких входных, выходных или целевых векторах). Следующая схема иллюстрирует структуру объекта данных общей нейронной сети. В данном примере существуют три временных шагов пакета из четырех выборок (четыре последовательности) двух сигналов. Один сигнал имеет два элемента, а другой - три элемента.

В следующей таблице перечислены некоторые из наиболее полезных служебных функций тулбокса для данных нейронной сети. Они позволяют вам делать такие вещи, как сложить, вычесть, умножить, разделить и т.д. (Сложение и вычитание массивов ячеек не имеют стандартных определений, но для данных нейронной сети эти операции четко определены и реализованы в следующих функциях.)

Функция	Операция
`gadd`	Добавьте данные нейронной сети (nn).
`gdivide`	Разделите nn данные.
`getelements`	Выберите указанные элементы из данных nn.
`getsamples`	Выберите указанные выборки из данных nn.
`getsignals`	Выберите из данных nn указанные сигналы.
`gettimesteps`	Выберите указанные временные шаги из данных nn.
`gmultiply`	Умножите nn данные.
`gnegate`	Примите отрицательное значение nn данных.
`gsubtract`	Вычесть данные nn.
`nndata`	Создайте объект nn данных заданного размера, где значения назначаются случайным образом или константе.
`nnsize`	Возвращает количество элементов, выборок, временных шагов и сигналов в объекте данных nn.
`numelements`	Возвращает количество элементов в nn данных.
`numsamples`	Возвращает количество выборок в nn данных.
`numsignals`	Возвращает количество сигналов в nn данных.
`numtimesteps`	Возвращает количество временных шагов в данных nn.
`setelements`	Установите указанные элементы nn данных.
`setsamples`	Установите указанные выборки данных nn.
`setsignals`	Установите указанные сигналы nn данных.
`settimesteps`	Установите указанные временные шаги данных nn.

Существуют также некоторые полезные функции графического изображения и анализа для динамических сетей, которые перечислены в следующей таблице. Примеры использования этих функций есть в Запуск с Deep Learning Toolbox.

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

Документация

Утилиты Neural Network Time-Series

Документация по Deep Learning Toolbox

Поддержка