非线性ARX模型的多层前馈神经网络映射函数(需要深度学习工具箱)
一个idFeedforwardNetwork
对象实现了神经网络函数,是估计非线性ARX模型的非线性映射对象。这个映射对象允许您使用网络
(深度学习工具箱)在非线性ARX模型中使用深度学习工具箱™创建的对象。
数学上,idFeedforwardNetwork
是映射的函数吗米输入X(t) = [x(t1),x2(t),…x米(t)]T到标量输出y(t),使用在深度学习工具箱中定义的多层前馈(静态)神经网络。
您可以使用以下命令创建多层前馈神经网络feedforwardnet
(深度学习工具箱),cascadeforwardnet
(深度学习工具箱)而且linearlayer
(深度学习工具箱).当你创建网络时,
将输入和输出大小指定为未知,将它们保留为默认值零(推荐的方法)。方法估计非线性ARX模型时nlarx
命令时,软件自动确定网络的输入和输出大小。
通过将输入和输出范围设置为手动初始化大小米分别为-by-2和1 by-2矩阵,其中米为非线性ARX模型回归量的个数,范围值分别为回归量的最小值和输出数据的最大值。
看到例子获取更多信息。
使用评估(net_estimator x)
方法定义的函数的值idFeedforwardNetwork
对象net_estimator
在输入值处x.当用于非线性ARX模型估计时,x属性的输出的模型回归器idFeedforwardNetwork
对象被指定为非线性估计器。
你不能使用idFeedforwardNetwork
当焦点
选项nlarxOptions
是“模拟”
因为潜在的网络
对象被认为是不可微的估计。最小化仿真误差需要可微非线性函数。
使用idFeedforwardNetwork
的值OutputFcn
的属性idnlarx
模型。例如,指定idFeedforwardNetwork
当你估计idnlarx
使用以下命令进行建模。
sys = nlarx(数据,回归器,idFeedforwardNetwork)
nlarx
估计模型,它本质上估计参数idFeedforwardNetwork
函数。
创建基于前馈(静态)网络对象的前馈神经网络映射对象net_estimator
= idFeedforwardNetwork (网络
)网络
这是用一个神经网络命令创建的feedforwardnet
,cascadeforwardnet
,或linearlayer
.网络
必须表示输入和输出之间的静态映射,没有I/O延迟或反馈。网络的输出数量,如果分配,必须设置为1。对于一个多输出非线性ARX模型,创建一个单独的idFeedforwardNetwork
对象,即输出函数的每个元素必须表示一个单输出网络对象。
的nlarx
命令使用火车
方法网络
对象,在深度学习工具箱软件中定义,以计算网络参数值。