layer = linearlayer(inputDelays,widrowHoffLR) берет вектор-строку из увеличения 0 или положительных задержек и скорости обучения Видроу-Хофф, и возвращает линейный слой.

Линейные слои являются единственными слоями линейных нейронов. Они являются статическими, с входными задержками 0, или динамическими с входными задержками, больше, чем 0. Вы можете обучить их на простых линейных проблемах временных рядов, но часто используетесь адаптивно, чтобы продолжить учиться, в то время как развернуто, таким образом, они могут настроить к изменениям в отношении между вводами и выводами, будучи используемым.

Если скорость обучения слишком мала, изучение происходит очень медленно. Однако большая опасность состоит в том, что это может быть слишком большим, и изучение становится нестабильным получившийся в больших изменениях в векторах веса и ошибках, увеличивающихся вместо уменьшения. Если набор данных доступен, который характеризует отношение, которое должен изучить слой, можно вычислить максимальную устойчивую скорость обучения с maxlinlr функция.

Если вам нужна сеть, чтобы решить нелинейное отношение временных рядов, смотрите timedelaynet, narxnet, и narnet.