Exponenta Banner

preparets

Подготовьте вход и предназначайтесь для данных временных рядов для сетевой симуляции или обучения

свернуть все на странице

Синтаксис

[Xs,Xi,Ai,Ts,EWs,shift] = preparets(net,Xnf,Tnf,Tf,EW)

Описание

пример

[Xs,Xi,Ai,Ts,EWs,shift] = preparets(net,Xnf,Tnf,Tf,EW) берет эти аргументы:

  • net — Нейронная сеть

  • Xnf — Входные параметры необратной связи

  • Tnf — Цели необратной связи

  • Tf — Цели обратной связи

  • EW — (Дополнительные) веса ошибок

и возвращает эти аргументы:

  • Xs — Переключенные входные параметры

  • Xi — Начальный вход задерживает состояния

  • Ai — Начальные состояния задержки слоя

  • Ts — Переключенные цели

  • EWs — Переключенные веса ошибок

  • shift — Номер тактов, усеченных от передней стороны X и T для того, чтобы правильно заполнить Xi и Ai.

Эта функция упрощает обычно комплексную и подверженную ошибкам задачу переформатирования входа и целевых временных рядов. Это автоматически переключает вход и целевые временные ряды столько шагов, сколько необходимы, чтобы заполнить начальный вход и состояния задержки слоя. Если сеть имеет обратную связь разомкнутого контура, то это копирует цели обратной связи во входные параметры по мере необходимости, чтобы задать входные параметры разомкнутого контура.

Каждый раз новая сеть спроектирована с различными количествами задержек или настроек обратной связи, preparets может переформатировать вход и предназначаться для данных соответственно. Кроме того, каждый раз сеть преобразовывается с openloop, closeloop, removedelay или adddelay, эта функция может переформатировать данные соответственно.

Примеры

свернуть все

В этом примере показано, как подготовить данные к разомкнутому контуру и сетям с обратной связью.

Создайте сеть с временной задержкой с 20 скрытыми нейронами, затем обучите и симулируйте ее.

[X,T] = simpleseries_dataset;
net = timedelaynet(1:2,20);
[Xs,Xi,Ai,Ts] = preparets(net,X,T);
net = train(net,Xs,Ts);
view(net)
Y = net(Xs,Xi,Ai);

Спроектируйте сеть NARX. Сеть NARX имеет стандартный вход и обратную связь разомкнутого контура выход к связанному входу обратной связи.

[X,T] = simplenarx_dataset;
net = narxnet(1:2,1:2,20);
[Xs,Xi,Ai,Ts] = preparets(net,X,{},T);
net = train(net,Xs,Ts,Xi,Ai);
view(net)
y = net(Xs,Xi,Ai);

Теперь преобразуйте сеть в замкнутый цикл и переформатируйте данные, чтобы симулировать ответ сети с обратной связью.

net = closeloop(net);
view(net)
[Xs,Xi,Ai] = preparets(net,X,{},T);
y = net(Xs,Xi,Ai);

Входные параметры

свернуть все

Введите сеть в виде сетевого объекта. Чтобы создать сетевой объект, используйте, например, feedforwardnet или narxnet.

Входные данные необратной связи (входные параметры, не сопоставленные с обратной связью разомкнутого контура выход) в виде массива ячеек.

Целевые данные для необратной связи выходные параметры в виде массива ячеек.

Целевые данные для выходных параметров с обратной связью в виде массива ячеек.

Веса ошибок в виде массива ячеек.

Выходные аргументы

свернуть все

Переключенные входные параметры, возвращенные как массив ячеек.

Начальный вход задерживает состояния, возвращенные как массив ячеек.

Начальные состояния задержки слоя, возвращенные как массив ячеек.

Переключенные цели, возвращенные как массив ячеек.

Переключенные веса ошибок, возвращенные как массив ячеек.

Номер тактов, усеченных от передней стороны X и T для того, чтобы правильно заполнить Xi и Ai, возвращенный как скаляр.

Смотрите также

| | | | | |

Представленный в R2010b

Документация Deep Learning Toolbox

Поддержка