NARX 및 시간 지연 신경망을 사용한 모델링과 예측

피드백이 포함된 신경망을 포함한 동적 신경망을 사용하여 시계열 문제 해결

앱

동적 신경망을 사용하여 비선형 시계열 문제 풀기

`ntstool`	신경망 시계열 앱 열기
`view`	얕은 신경망 보기

`train`	얕은 신경망 훈련
`gensim`	얕은 신경망 시뮬레이션에 사용할 Simulink 블록 생성
`adddelay`	Add delay to neural network response
`removedelay`	Remove delay to neural network’s response
`closeloop`	신경망의 개루프 피드백을 폐루프로 변환
`openloop`	Convert neural network closed-loop feedback to open loop
`ploterrhist`	오차 히스토그램 플로팅
`plotinerrcorr`	Plot input to error time-series cross-correlation
`plotregression`	선형 회귀 플로팅
`plotresponse`	동적 신경망 시계열 응답 플로팅
`ploterrcorr`	오차 시계열의 자기상관 플로팅
`genFunction`	얕은 신경망 시뮬레이션에 사용할 MATLAB 함수 생성

얕은 신경망을 사용한 시계열 예측 및 모델링
신경망 시계열 앱과 명령줄 함수를 사용하여 시계열을 예측합니다.
Design Time Series Time-Delay Neural Networks
Learn to design focused time-delay neural network (FTDNN) for time-series prediction.
다중 스텝 신경망 예측
다중 스텝 신경망 예측에 대해 알아봅니다.
시계열 NARX 피드백 신경망 설계하기
외생적인 입력을 갖는 비선형 자기회귀 신경망(NARX)를 만들고 훈련시킵니다.
Design Layer-Recurrent Neural Networks
Create and train a dynamic network that is a Layer-Recurrent Network (LRN).
Deploy Shallow Neural Network Functions
Simulate and deploy trained shallow neural networks using MATLAB^® tools.
Deploy Training of Shallow Neural Networks
Learn how to deploy training of shallow neural networks.
자기 부상 모델링
이 예제에서는 NARX(Nonlinear AutoRegressive with eXternal input) 신경망으로 자기 부상 역학 시스템을 모델링하는 방법을 보여줍니다.

병렬 및 GPU 연산을 사용한 얕은 신경망
병렬 및 분산 연산을 사용하여 신경망 훈련과 시뮬레이션의 속도를 높이고 대규모 데이터를 처리합니다.
Automatically Save Checkpoints During Neural Network Training
Save intermediate results to protect the value of long training runs.
Optimize Neural Network Training Speed and Memory
Make neural network training more efficient.

신경망 입력-출력 처리 함수 선택하기
더 효율적인 훈련을 위해 입력값과 목표값을 전처리합니다.
얕은 신경망의 입력값과 출력값 구성하기
configure 함수를 사용하여 훈련에 앞서 신경망을 수동으로 구성하는 방법을 알아봅니다.
최적의 신경망 훈련을 위해 데이터 분할하기
함수를 사용하여 데이터를 훈련, 검증 및 테스트 세트로 분할합니다.
다층 신경망 훈련 함수 선택하기
여러 문제 유형에 대한 훈련 알고리즘의 성능 비교.
얕은 신경망 일반화를 개선하고 과적합 방지하기
일반화를 개선하고 과적합을 방지하는 방법을 알아봅니다.
Train Neural Networks with Error Weights
Learn how to use error weighting when training neural networks.
Normalize Errors of Multiple Outputs
Learn how to fit output elements with different ranges of values.

How Dynamic Neural Networks Work
Learn how feedforward and recurrent networks work.
Multiple Sequences with Dynamic Neural Networks
Manage time-series data that is available in several short sequences.
Neural Network Time-Series Utilities
Learn how to use utility functions to manipulate neural network data.
얕은 신경망을 위한 샘플 데이터 세트
얕은 신경망 실험에 사용할 수 있는 샘플 데이터 세트의 목록입니다.
신경망 객체 속성
신경망의 기본 특징을 정의하는 속성을 알아봅니다.
신경망 하위객체 속성
입력값, 계층, 출력값, 목표값, 편향 및 가중치와 같이 신경망 세부 사항을 정의하는 속성을 알아봅니다.