主要内容

idSigmoidNetwork

非线性ARX和Hammerstein-Wiener模型的s型网络函数

全部展开页面

描述

一个idSigmoidNetwork对象实现了SIGMOID网络功能，是用于估计非线性ARX和非线性HAMBerstein-Wiener模型的非线性映射函数。映射函数，也称为a非线性，使用线性权值、偏移量和非线性函数的组合来计算其输出。非线性函数包含对输入的脊组合(加权线性和)进行运算的s型单位函数。

数学上,idSigmoidNetwork是一个映射函数吗米输入X（t) = (x（t1)，x2（t),…x米（t)]T到标量输出y（t)，使用以下关系:

y （ t ） ＝ y 0 + （ χ （ t ） − X ¯ ） T P l + 年代 （ χ （ t ） ）

在这里:

  • X（t)是一个米- 1个输入矢量，或回归,意思是 χ ¯ ．

  • y0输出偏移量是标量。

  • P是一个米-经过-p投影矩阵，其中米是回归数和是吗p为线性权值的个数。米必须大于或等于p．

  • l是A.p-乘1的权重向量。

  • 年代（X)是扩张和转换的s型函数的和。s型函数的总数称为单位数n的网络。

对于SIGMOID函数术语的定义年代（X),看更多关于．

使用idSigmoidNetwork作为价值outputfcn.财产的idnlarx模型或InputNonlinearity和输出线性属性的idnlhw对象。例如,指定idSigmoidNetwork当你估计一个idnlarx使用以下命令建模。

sys = nlarx(数据、解释变量idSigmoidNetwork)
什么时候nlarx估计模型，它基本上估计了该模型的参数idSigmoidNetwork函数。

您可以配置idSigmoidNetwork函数禁用组件和修复参数。省略线性组件，设置LinearFcn。使用来假．省略偏移量，设置偏移量。使用来假．要指定线性函数的已知值和偏移量，请设置它们价值属性，并设置相应免费的属性来假．使用评估计算给定输入的函数的输出。

创建

语法

s = idsigmoidnetwork.
S = idSigmoidNetwork (numUnits)
S = idSigmoidNetwork (numUnits UseLinearFcn)
s = idsigmoidNetwork（NumUnits，Uselinearfcn，MefticeOffset）

描述

例子

年代= idsigmoidNetwork.创造一个idSigmoidNetwork对象年代用了10个单位。输入数量在模型估计时确定，输出数量为1。

例子

年代= idSigmoidNetwork (numUnits）指定s型函数的数量numUnits．

例子

年代= idSigmoidNetwork (numUnits，UseLinearFcn）指定函数是否使用线性函数作为子分量。

例子

年代= idSigmoidNetwork (numUnits，UseLinearFcn，UseOffset）指定函数是否使用偏移量项y0范围。

输入参数

展开全部

单位数，指定为正整数。numUnits决定了s型函数的数量。

这个论点设置了s.nonlinearfcn.numberofunits.财产。

选项要使用线性函数子组件，指定为真正的或假．此参数设置了值的值s.linearfcn.use.财产。

选项要使用偏移项，指定为真正的或假．此参数设置了值的值S.Offset.Use财产。

属性

展开全部

用于估计的信号的输入信号信息，指定为vectors米调控房地产的价值,米为输入信号的个数。的输入每个输入信号的属性如下:

  • 的名字- 输入信号的名称，指定为1-by-米字符串或字符数组，在哪里米输入的数量是多少

  • 意思—输入信号的平均值，指定为数字标量

  • 范围—输入信号的范围，用2-by-表示米包含最小值和最大值的数字数组

输出信号信息，指定为特定属性值。的输出属性如下:

  • 的名字—输出信号的名称，指定为字符串或字符数组

  • 意思- 输出信号的平均值，指定为数字标量

  • 范围—输出信号的范围，指定为一个2乘1的数字数组，包含最小值和最大值

线性函数的参数，具体如下:

  • 使用- 选项要在Sigmoid网络中使用线性函数，指定为标量逻辑。默认值为真正的．

  • 价值-组成的线性权重l'，指定为1-by-p向量。

  • InputProight.-输入投影矩阵P，指定为米-经过-p矩阵，它对长度的非趋势输入向量进行变换米变成一个长度的向量p．对于Hammerstein-Wiener模型，InputProight.等于1．

  • 免费的—选择更新的项价值在估计期间，指定为1-by-p逻辑向量。软件是为了纪念免费的说明仅当起始值为价值是有限的。默认值为真正的．

  • 最低-最小界限价值，指定为1-by-p向量。如果最低用有限值和?的初始值指定价值是有限的，然后软件强制在模型估计期间的最小界限。

  • 最大值- 最大界限价值，指定为1-by-p向量。如果最大值用有限值和?的初始值指定价值是有限的，然后软件在模型估计期间强制最大界限。

  • SelectedInputIndex——指数idSigmoidNetwork输入(见输入。的名字)作为线性函数的输入，指定为1 × -nr整数向量,nr为输入的个数。对于非线性ARX模型回归属性确定这些指数。对于Hammerstein-Wiener模型，SelectedInputIndex总是1．

offset项的参数，指定如下:

  • 使用- 选项要在SIGMOID网络中使用偏移量，指定为标量逻辑。默认值为真正的．

  • 价值—偏移值，指定为标量。

  • 免费的-更新选项价值在估计期间，指定为标量逻辑。软件是为了纪念免费的规范的假只有当价值价值是有限的。默认值为真正的．

  • 最低-最小界限价值，指定为数字标量或负．如果最低是用一个有限值指定的价值是有限的，然后软件强制在模型估计期间的最小界限。默认值为负．

  • 最大值- 最大界限价值，指定为数字标量或INF.．如果最大值用有限值和?的初始值指定价值是有限的，然后软件在模型估计期间强制最大界限。默认值为INF.．

非线性函数的参数，具体如下:

  • NumberOfUnits- 单位数，指定为正整数。NumberOfUnits决定了s型函数的数量。

  • 参数- 参数idSigmoidNetwork，详见下表:

    字段名称 描述 默认的
    InputProight.

    投影矩阵问，指定为米-经过-问矩阵。问转换贬值的输入向量 （ X − X ¯ ） 的长度米变成一个长度的向量问．通常，问具有与线性投影矩阵相同的尺寸P．在这种情况下，问等于p，即线性权值的个数。

    对于Hammerstein-Wiener模型，InputProight.等于1．

    		 []
    OutputCoefficient

    函数输出系数年代我，指定为n1的向量。

    		 []
    翻译

    转换矩阵，指定为n-经过-问平移行向量的矩阵c我．

    		 []
    扩张

    膨胀系数b我，指定为n1的向量。

    		 []

  • 免费的-选项估计参数，指定为逻辑标量。如果所有参数都有有限值，例如idSigmoidNetwork对象对应于先前估计的模型，然后设置免费的来假引起非线性函数的参数年代（X)，以在估计期间保持不变。默认值为真正的．

  • SelectedInputIndex——指数idSigmoidNetwork输入(见输入。的名字)作为非线性函数的输入，指定为1-by-nr整数向量,nr为输入的个数。对于非线性ARX模型回归属性确定这些指数。对于Hammerstein-Wiener模型，SelectedInputIndex总是1．

例子

全部折叠

打开生活的脚本

加载数据Z7并创建一个子集作为估计数据。

负载Iddata7.Z7泽= z7(施用);

创建并配置idSigmoidNetwork映射对象。将偏移量固定为0.2和单位数为15。

S = idSigmoidNetwork;S.Offset.Value = 0.2;S.Offset.Free = false;S.NonlinearFcn.NumberOfUnits = 15;

创建线性和多项式模型回归器。使用输入和输出变量名称Z7作为回归器的变量名。

var_names = [z7.OutputName; z7.InputName]
var_names =3 x1细胞{“日元”}{‘u1’}{u2的}
Reg1 = linearreplorseror（var_names，{1：4,0：4,1）;Reg2 = PolynomialReogressor（var_names，{1：2,0：2,0}，2）;

设置估计选项。

选择= nlarxOptions (“SearchMethod”，'粉丝'）;opt.SearchOptions.MaxIterations = 40;

估计非线性ARX模型。

sys = nlarx(泽,[Reg1; Reg2],年代,选择)
sys = 1个输出2个输入的非线性ARX模型。变量y1 u1 u2 2的线性回归。在变量y1, u1, u2中Order 2回归器所有回归器列表输出函数:Sigmoid网络，15单位样本时间:1秒状态:使用NLARX对时域数据“ze”估计。拟合估计数据:73.95%(预测焦点)FPE: 6.262, MSE: 0.671
打开生活的脚本

估算使用的Hammerstein-Wiener模型idSigmoidNetwork作为输出非线性。

加载数据

负载throttledata

创建一个idSigmoidNetwork映射对象有15个单位，没有输入非线性或偏移。

s = iDsigmoidNetwork（15，False，False）
S = Sigmoid网络非线性函数:具有15个单位的Sigmoid网络线性函数:未使用输出偏移:未使用输入:'函数输入'输出:'函数输出'线性fcn: '线性函数参数'非线性fcn: 'Sigmoid单位及其参数'Offset: '偏移参数'

估计一个Hammerstein-Wiener模型。

sys = nlhw(ThrottleData，[4 4 0]，[]，S)日志含义
SYS = HAMBerstein-Wiener模型具有1个输出和1个输入线性传递函数，对应于订单NB = 4，NF = 4，NK = 0输入非线性：缺陷输出非线性：Sigmoid网络具有15个单位采样时间：0.01秒状态：估计使用NLHW在时域数据“throttledata”。适合估算数据：67.19％FPE：168.6，MSE：118.8

更多关于

展开全部

算法

idSigmoidNetwork使用迭代搜索技术来估计参数。

兼容性的考虑

展开全部

不推荐从R2021B开始

不推荐从R2021A开始

另请参阅

||||||||||||||

介绍了R2007a

系统识别工具箱文档

金宝app

尝试MATLAB, Si金宝appmulink和其他产品下载188bet金宝搏

得到审判现在