Создайте линейный слой
layer = linearlayer(inputDelays,widrowHoffLR)
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.
В этом примере показано, как создать и обучить линейный слой.
Создайте линейный слой и обучите его на простой проблеме временных рядов.
x = {0 -1 1 1 0 -1 1 0 0 1};
t = {0 -1 0 2 1 -1 0 1 0 1};
net = linearlayer(1:2,0.01);
[Xs,Xi,Ai,Ts] = preparets(net,x,t);
net = train(net,Xs,Ts,Xi,Ai);
view(net)
Y = net(Xs,Xi);
perf = perform(net,Ts,Y)perf =
0.2396
preparets | removedelay | timedelaynet | narnet | narxnet