このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
Neural Net Time Series | 動的ニューラル ネットワークの学習による非線形時系列問題の解決 |
timedelaynet |
時間遅れニューラル ネットワーク |
narxnet |
外部入力を伴う非線形自己回帰ニューラル ネットワーク |
narnet |
非線形自己回帰ニューラル ネットワーク |
layrecnet |
層再帰型ニューラル ネットワーク |
distdelaynet |
分散型遅延ネットワーク |
train |
浅いニューラル ネットワークの学習 |
gensim |
浅いニューラル ネットワークのシミュレーション用の金宝appブロックの生成 |
adddelay |
ニューラル ネットワークの応答への遅延の追加 |
removedelay |
Remove delay to neural network’s response |
closeloop |
ニューラル ネットワークの開ループ フィードバックを閉ループ フィードバックに変換する |
openloop |
Convert neural network closed-loop feedback to open loop |
ploterrhist |
Plot error histogram |
plotinerrcorr |
Plot input to error time-series cross-correlation |
plotregression |
線形回帰のプロット |
plotresponse |
Plot dynamic network time series response |
ploterrcorr |
Plot autocorrelation of error time series |
genFunction |
浅いニューラル ネットワークのシミュレーション用のMATLAB関数の生成 |
Neural Network Time Series アプリおよびコマンド ライン関数を使用して、時系列予測を行います。
時系列予測のための集中時間遅れニューラル ネットワーク (FTDNN) の設計を学習します。
ニューラル ネットワークの複数ステップの予測について学習します。
時系列 NARX フィードバック ニューラル ネットワークの設計
外生入力を伴う非線形自己回帰ネットワーク (NARX) を作成して学習を行います。
層再帰型ネットワーク (LRN) である動的ネットワークを作成して学習を行います。
MATLAB®ツールを使用して、学習済みの浅いニューラル ネットワークのシミュレーションと配布を行います。
浅いニューラル ネットワークの学習を配布する方法を学習します。
この例では、NARX (外部入力を伴う非線形自己回帰) ニューラル ネットワークによって磁気浮上動的システムをモデル化する方法を説明します。
並列計算および GPU コンピューティングを使用したニューラル ネットワーク
ニューラル ネットワークの学習とシミュレーションを高速化し、大規模データを処理するために、並列計算および分散コンピューティングを使用します。
長時間にわたる学習の実行の成果を保護するために、中間結果を保存します。
ニューラル ネットワークの学習を効率化します。
効率的に学習を行うために入力およびターゲットを前処理します。
学習させる前の、関数configure
を使用したネットワークの手動による構成方法を学びます。
関数を使用してデータを学習セット、検証セット、およびテスト セットに分割します。
異なるタイプの問題について学習アルゴリズムを比較します。
汎化の改善方法と過適合の防止方法について学習します。
ニューラル ネットワークに学習させるときに誤差の重み付けを使用する方法を学習します。
値の範囲が異なる複数の出力要素をあてはめる方法を学習します。
フィードフォワード ネットワークおよび再帰型ネットワークのしくみについて学習します。
複数の短いシーケンスで使用できる時系列データを管理します。
ユーティリティ関数を使用したニューラル ネットワーク データの取り扱いについて学びます。
浅いニューラル ネットワークの機能を試す際に使用する標本データセットのリストを示します。
ネットワークの基本的特徴を定義するプロパティについて学習します。
入力、層、出力、ターゲット、バイアス、重みなど、ネットワークの詳細を定義するプロパティについて学習します。