鼻腔和时延网络的建模与预测
使用动态神经网络解决时间序列问题,包括具有反馈的网络
应用
神经净时间序列 | 使用动态神经网络解决非线性时间序列问题 |
职能
timedelaynet. |
时间延迟神经网络 |
NARXNET. |
具有外部输入的非线性自动自动评等神经网络 |
Narnet. |
非线性自动评级神经网络 |
layrecnet. |
层复发性神经网络 |
distdelaynet. |
分布式延迟网络 |
火车 |
火车浅神经网络 |
Gensim. |
产生金宝app浅层神经网络仿真块 |
adddelay. |
增加神经网络响应的延迟 |
recoupledelay |
删除延迟神经网络的响应 |
Closeloop. |
将神经网络开环反馈转换为闭环 |
开环 |
将神经网络闭环反馈转换为开环 |
Ploterrhist. |
绘制错误直方图 |
plotinerrcorr. |
绘制错误时间序列跨相关的输入 |
plotge.com |
绘制线性回归 |
plotresponse. |
绘制动态网络时间序列响应 |
PlotErcorr. |
绘制错误时间序列的自相关 |
Genfunction. |
产生马铃薯草模拟浅神经网络的功能 |
例子和如何
基本设计
- 浅神经网络时间序列预测和建模
使用神经网络时间序列APP和命令行功能进行时间序列预测。 - 设计时间序列时间延迟神经网络
学习设计聚焦时延神经网络(FTDNN)进行时间序列预测。 - 多步神经网络预测
学习多学期神经网络预测。 - 设计时间序列NARX反馈神经网络
用外源投入(NARX)创建和培训非线性自回归网络。 - 设计层 - 经常性神经网络
创建和培训是一个具有层复发网络(LRN)的动态网络。 - 部署浅层神经网络功能
使用MATLAB模拟和部署培训的浅神经网络®工具。 - 部署浅层神经网络的培训
了解如何部署浅层神经网络的培训。 - Maglev造型
该示例说明了NARX(非线性自回归与外部输入)神经网络如何模拟磁铁悬浮动态系统。
培训可扩展性和效率
- 具有平行和GPU计算的浅神经网络
使用并行和分布式计算来加速神经网络培训和仿真并处理大数据。 - 在神经网络培训期间自动保存检查点
保存中间结果以保护长期训练的价值。 - 优化神经网络训练速度和内存
使神经网络培训更高效。
最佳解决方案金宝搏官方网站
- 选择神经网络输入 - 输出处理功能
预处理输入和目标用于更有效的培训。 - 配置浅层神经网络输入和输出
了解如何在使用培训之前手动配置网络配置
功能。 - 除以最佳神经网络培训的数据
使用函数将数据划分为培训,验证和测试集。 - 选择多层神经网络训练功能
不同问题类型训练算法的比较。 - 提高浅层神经网络泛化,避免过度装备
学习改进泛化和预装配的方法。 - 用错误权重火车神经网络
学习如何在培训神经网络时使用错误加权。 - 正常化多个输出的错误
了解如何使用不同的值范围拟合输出元素。
概念
- 动态神经网络如何工作
了解前馈和经常性网络的工作原理。
- 具有动态神经网络的多个序列
管理多个短序列中可用的时间序列数据。
- 神经网络时间系列公用事业
了解如何使用实用程序函数来操纵神经网络数据。
- 浅神经网络的示例数据集
在使用浅内网络网络试验时使用的示例数据集列表。
- 神经网络对象属性
了解定义网络的基本功能的属性。
- 神经网络子object属性
学习定义网络详细信息,例如输入,图层,输出,目标,偏差和权重等特性。