timedelaynet

시간 지연 신경망

페이지 내 모두 축소

구문

timedelaynet(inputDelays,hiddenSizes,trainFcn)

설명

예제

timedelaynet(inputDelays,hiddenSizes,trainFcn)은 다음과 같은 인수를 받습니다.

증가하는 0 또는 양의 입력 지연으로 구성된 행 벡터 inputDelays
하나 이상의 은닉 계층 크기로 구성된 행 벡터 hiddenSizes
훈련 함수 trainFcn

그런 다음 시간 지연 신경망을 반환합니다.

시간 지연 신경망은 피드포워드 신경망과 비슷하나, 입력 가중치에 탭 지연선이 연결되어 있다는 점이 다릅니다. 이로 인해 시간 지연 신경망은 시계열 입력 데이터에 대해 유한 동적 응답 변수를 가질 수 있습니다. 이 신경망은 입력 가중치 이외에 계층 가중치에도 지연이 있는 분산 지연 신경망(distdelaynet)과도 비슷합니다.

예제

모두 축소

시간 지연 신경망을 훈련시키고 새 데이터에 대해 예측하기

라이브 스크립트 열기

이 예제에서는 시간 지연 신경망을 훈련시키는 방법을 보여줍니다.

훈련 세트를 분할합니다. 나중에 폐루프 모드에서 예측을 수행하려면 Xnew를 사용하십시오.

[X,T] = simpleseries_dataset;
Xnew = X(81:100);
X = X(1:80);
T = T(1:80);

시간 지연 신경망을 훈련시킨 다음 처음 80개의 관측값에 대해 시뮬레이션합니다.

net = timedelaynet(1:2,10);
[Xs,Xi,Ai,Ts] = preparets(net,X,T);
net = train(net,Xs,Ts,Xi,Ai);

Figure Neural Network Training (25-Jan-2024 15:36:31) contains an object of type uigridlayout.

view(net)

신경망 성능을 계산합니다.

[Y,Xf,Af] = net(Xs,Xi,Ai);
perf = perform(net,Ts,Y);

폐루프 모드에서 향후 20개의 시간 스텝에 대해 사전 예측을 실행합니다.

[netc,Xic,Aic] = closeloop(net,Xf,Af);
view(netc)

y2 = netc(Xnew,Xic,Aic);

입력 인수

모두 축소

`inputDelays` — 입력 지연
`[1:2]` (디폴트 값) | 행 벡터

0 또는 양의 입력 지연으로, 증가하는 행 벡터로 지정됩니다.

`hiddenSizes` — 은닉 크기
`10` (디폴트 값) | 행 벡터

은닉 계층의 크기로, 하나 이상의 요소로 구성된 행 벡터로 지정됩니다.

`trainFcn` — 훈련 함수 이름
`'trainlm'` (디폴트 값) | `'trainbr'` | `'trainbfg'` | `'trainrp'` | `'trainscg'` | ...

훈련 함수 이름으로, 다음 중 하나로 지정됩니다.

훈련 함수	알고리즘
`'trainlm'`	Levenberg-Marquardt
`'trainbr'`	베이즈 정규화
`'trainbfg'`	BFGS 준뉴턴
`'trainrp'`	탄력적 역전파
`'trainscg'`	스케일링된 켤레 기울기
`'traincgb'`	Powell/Beale 재시작 알고리즘을 사용한 켤레 기울기
`'traincgf'`	Fletcher-Powell 켤레 기울기
`'traincgp'`	Polak-Ribiére 켤레 기울기
`'trainoss'`	1스텝 할선법
`'traingdx'`	가변 학습률 경사하강법
`'traingdm'`	모멘텀을 사용한 경사하강법
`'traingd'`	경사하강법