Многоуровневая функция отображения нейронной сети прямого распространения для нелинейных моделей ARX (требует Deep Learning Toolbox),
idFeedforwardNetwork
возразите реализует функцию нейронной сети и нелинейный объект отображения для оценки нелинейных моделей ARX. Этот объект отображения позволяет вам использовать network
Объекты (Deep Learning Toolbox), которые создаются с помощью Deep Learning Toolbox™ в нелинейных моделях ARX.
Математически, idFeedforwardNetwork
функция, которая сопоставляет входные параметры m X (t) = [x (t 1), x 2 (t), …, xm (t)]T к скалярному выходу y (t), с помощью многоуровневого feedforward (статическая) нейронная сеть, как задано в Deep Learning Toolbox.
Вы создаете многоуровневые нейронные сети прямого распространения при помощи команд такой как feedforwardnet
(Deep Learning Toolbox), cascadeforwardnet
(Deep Learning Toolbox) и linearlayer
(Deep Learning Toolbox). Когда вы создаете сеть,
Определяйте размеры ввода и вывода быть неизвестными путем оставления их в значении, равном нулю (рекомендуемыми метод). При оценке нелинейной модели ARX с помощью nlarx
команда, программное обеспечение автоматически определяет размеры ввода и вывода сети.
Инициализируйте размеры вручную путем установки областей значений ввода и вывода на m-by-2 и 1 2 матрицы, соответственно, где m является количеством нелинейных регрессоров модели ARX, и значения области значений являются минимальными и максимальными значениями регрессоров и выходных данных, соответственно.
Смотрите Примеры для получения дополнительной информации.
Используйте evaluate(net_estimator,x)
вычислить значение функции, определяемой idFeedforwardNetwork
объект net_estimator
во входном значении x. Когда используется для нелинейной оценки модели ARX, x представляет регрессоры модели для выхода для который idFeedforwardNetwork
объект присвоен как средство оценки нелинейности.
Вы не можете использовать idFeedforwardNetwork
когда Focus
опция в nlarxOptions
'simulation'
потому что базовый network
объект считается недифференцируемым для оценки. Минимизация ошибки симуляции требует дифференцируемых нелинейных функций.
Используйте idFeedforwardNetwork
как значение OutputFcn
свойство idnlarx
модель. Например, задайте idFeedforwardNetwork
когда вы оцениваете idnlarx
модель со следующей командой.
sys = nlarx(data,regressors,idFeedforwardNetwork)
nlarx
оценивает модель, она по существу оценивает параметры idFeedforwardNetwork
функция.
создает объект отображения нейронной сети прямого распространения, который основан на feedforward (статический) сетевой объект net_estimator
= idFeedforwardNetwork(Network
)Network
это было создано с помощью одной из команд нейронной сети feedforwardnet
, cascadeforwardnet
, или linearlayer
. Network
должен представлять статическое отображение между входными параметрами и выход без задержек ввода-вывода или обратной связи. Номер выходных параметров сети, если присвоено, должен быть определен одной. Для нескольких - выводит нелинейные модели ARX, создают отдельное idFeedforwardNetwork
объект для каждого выхода — то есть, каждый элемент выходной функции должен представлять сетевой объект одно выхода.
nlarx
команда использует train
метод network
объект, заданный в программном обеспечении Deep Learning Toolbox, чтобы вычислить сетевые значения параметров.
idnlarx
| nlarx
| idLinear
| idSigmoidNetwork
| idTreePartition
| idWaveletNetwork
| idCustomNetwork
| evaluate