RegressionNeuralNetwork预测
使用神经网络回归模型预测的反应
- 库:
统计和机器学习工具箱/回归
描述
的RegressionNeuralNetwork预测块使用神经网络回归预测响应对象(RegressionNeuralNetwork
或CompactRegressionNeuralNetwork
)。
回归训练对象导入到块通过指定工作空间变量的名称包含对象。输入端口x收到一个观察(预测数据),输出端口yfit返回一个预测反应的观察。
港口
输入
x
——预测数据
行向量|列向量
预测数据,指定为一个行或列向量的观察。
依赖关系
中的变量x必须有相同的订单预测变量指定的模型训练吗选择训练的机器学习模型
。
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
输出
yfit
——预测响应
标量
预测的反应,作为一个标量返回。
数据类型:单
|双
|一半
|int8
|int16
|int32
|int64
|uint8
|uint16
|uint32
|uint64
|布尔
|不动点
参数
主要
选择训练的机器学习模型
——神经网络回归模型
nnetMdl
(默认)|RegressionNeuralNetwork
|CompactRegressionNeuralNetwork
指定包含一个工作空间变量的名称RegressionNeuralNetwork
对象或CompactRegressionNeuralNetwork
对象。
当你训练模型通过使用fitrnet
以下限制:
预测数据不包括分类预测(
逻辑
,分类
,字符
,字符串
,或细胞
)。如果你提供训练数据表中,预测必须数字(双
或单
)。同时,你不能使用CategoricalPredictors
名称-值参数。包括分类预测模型,进行预处理的分类预测dummyvar
在拟合模型。
编程使用
块参数:TrainedLearner |
类型:工作空间变量 |
价值观:RegressionNeuralNetwork 对象|CompactRegressionNeuralNetwork 对象 |
默认值:“nnetMdl” |
数据类型
定点操作参数整数舍入模式
——定点操作的舍入模式
地板上
(默认)|天花板
|收敛
|最近的
|轮
|简单的
|零
指定定点运算的舍入模式。有关更多信息,请参见舍入(定点设计师)。
块参数都调整到最近的价值。控制块参数的舍入,面具字段中输入一个表达式使用MATLAB®舍入功能。
编程使用
块参数:RndMeth |
类型:特征向量 |
价值观:“天花板”|“收敛”|“地板”|“最近”|“圆”|“简单”|“零” |
默认值:“地板” |
浸透在整数溢出
——溢出行动的方法
从
(默认)|在
指定是否溢出饱和或包装。
行动 | 基本原理 | 对溢出的影响 | 例子 |
---|---|---|---|
选择此复选框( |
你的模型有可能溢出,你要明确的饱和保护在生成的代码中。 |
溢出的最小值或最大值,数据类型可以表示。 |
的最大价值 |
清除此复选框( |
你想优化生成的代码的效率。 你想避免overspecifying一块如何处理超出范围的信号。有关更多信息,请参见解决信号范围错误(金宝app模型)。 |
溢出包装到适当的数据类型可以表示的值。 |
的最大价值 |
编程使用
块参数:SaturateOnIntegerOverflow |
类型:特征向量 |
价值观:”从“|”“ |
默认值:“关闭” |
锁输出数据类型设置定点对变化的工具
——预防定点工具最重要的数据类型
从
(默认)|在
选择这个参数来防止定点工具覆盖你指定的数据类型。有关更多信息,请参见使用锁输出数据类型设置(定点设计师)。
编程使用
块参数:LockScale |
类型:特征向量 |
价值观:”从“|”“ |
默认值:“关闭” |
输出数据类型
——yfit产出的数据类型
继承:汽车
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型>表达
指定的数据类型yfit输出。直接指定的类型可以被继承,或者表示为一个数据类型对象等金宝appSimulink.NumericType
。
当您选择继承:汽车
块使用规则,继承了一个数据类型。
关于数据类型的更多信息,请参阅控制信号的数据类型(金宝app模型)。
单击显示数据类型的助理按钮来显示数据类型的助理帮助你设置数据类型属性。有关更多信息,请参见使用数据类型指定数据类型的助理(金宝app模型)。
编程使用
块参数:OutDataTypeStr |
类型:特征向量 |
值:“继承:汽车” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt (16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |<数据类型表达式>的 |
默认的:“继承:汽车” |
输出最小
——yfit产出的最小值范围检查
[]
(默认)|标量
指定的低价值yfit输出范围,仿真软件金宝app®检查。
金宝app仿真软件使用最小值来执行:
(见参数范围检查一些块为块参数指定最小值和最大值(金宝app模型))。
定点的自动扩展数据类型。
优化的代码生成模型。这种优化可以删除算法代码和影响结果的仿真模式,如硅或外部模式。有关更多信息,请参见优化使用指定的最小和最大值(嵌入式编码)。
请注意
的输出最小不饱和或剪辑的实际参数yfit信号。使用饱和(金宝app模型)块来代替。
编程使用
块参数:OutMin |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
输出最大
- yfit输出的最大值的范围内检查
[]
(默认)|标量
指定上的价值yfit模型检查的输出范围。金宝app
金宝app仿真软件使用最大值来执行:
(见参数范围检查一些块为块参数指定最小值和最大值(金宝app模型))。
定点的自动扩展数据类型。
优化的代码生成模型。这种优化可以删除算法代码和影响结果的仿真模式,如硅或外部模式。有关更多信息,请参见优化使用指定的最小和最大值(嵌入式编码)。
请注意
的输出最大不饱和或剪辑的实际参数yfit信号。使用饱和(金宝app模型)块来代替。
编程使用
块参数:OutMax |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
输出层的数据类型
——最终完全连接层的数据类型
继承:继承通过内部规则
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型>表达
指定数据类型为输出层。直接指定的类型可以被继承,或者表示为一个数据类型对象等金宝appSimulink.NumericType
。
当您选择继承:继承通过内部规则
、块使用内部规则来确定输出数据类型。内部规则选择一个数据类型,优化数值精度,性能,和生成的代码大小,同时考虑到嵌入式目标硬件的特性。软件不能总是同时优化效率和数值精度。
关于数据类型的更多信息,请参阅控制信号的数据类型(金宝app模型)。
单击显示数据类型的助理按钮来显示数据类型的助理帮助你设置数据类型属性。有关更多信息,请参见使用数据类型指定数据类型的助理(金宝app模型)。
编程使用
块参数:OutputLayerDataTypeStr |
类型:特征向量 |
值:“继承:继承通过内部规则” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt (16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |<数据类型表达式>的 |
默认的:“继承:继承通过内部规则” |
输出层最低
-最小值最终完全连接层
[]
(默认)|标量
低输出层的内部变量的值范围检查仿真软件。金宝app
金宝app仿真软件使用最小值来执行:
(见参数范围检查一些块为块参数指定最小值和最大值(金宝app模型))。
定点的自动扩展数据类型。
优化的代码生成模型。这种优化可以删除算法代码和影响结果的仿真模式,如硅或外部模式。有关更多信息,请参见优化使用指定的最小和最大值(嵌入式编码)。
请注意
的输出层最低参数不饱和或剪辑输出层值信号。
编程使用
块参数:OutputLayerOutMin |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
输出层最大
——最大价值最终完全连接层
[]
(默认)|标量
上输出层的内部变量的值范围检查仿真软件。金宝app
金宝app仿真软件使用最大值来执行:
(见参数范围检查一些块为块参数指定最小值和最大值(金宝app模型))。
定点的自动扩展数据类型。
优化的代码生成模型。这种优化可以删除算法代码和影响结果的仿真模式,如硅或外部模式。有关更多信息,请参见优化使用指定的最小和最大值(嵌入式编码)。
请注意
的输出层最大参数不饱和或剪辑输出层值信号。
编程使用
块参数:OutputLayerOutMax |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
图层1数据类型
——第一个完全连接层的数据类型
继承:继承通过内部规则
(默认)|双
|单
|一半
|int8
|uint8
|int16
|uint16
|int32
|uint32
|int64
|uint64
|布尔
|fixdt (16)
|fixdt (1 16 0)
|fixdt(1, 16日2 ^ 0,0)
|<数据类型>表达
为第一层指定的数据类型。直接指定的类型可以被继承,或者表示为一个数据类型对象等金宝appSimulink.NumericType
。
当您选择继承:继承通过内部规则
,使用一个内部规则来确定数据块类型。内部规则选择一个数据类型,优化数值精度,性能,和生成的代码大小,同时考虑到嵌入式目标硬件的特性。软件不能总是同时优化效率和数值精度。
关于数据类型的更多信息,请参阅控制信号的数据类型(金宝app模型)。
单击显示数据类型的助理按钮来显示数据类型的助理帮助你设置数据类型属性。有关更多信息,请参见使用数据类型指定数据类型的助理(金宝app模型)。
提示
经过训练的神经网络可以有不止一个完全连接层,不包括输出层。
您可以指定数据类型为每个单独的层第十层。指定数据类型n层数据类型每一层。第一层是数据类型图层1数据类型第二层是数据类型的第二层数据类型,等等。
您可以指定数据类型为11层k,在那里k总层数,通过使用数据类型附加层(s)数据类型。的块参数为附加层(s)数据类型是
Layer11DataTypeStr
。的数据类型n层数据类型和附加层(s)数据类型可以被继承,直接指定,或表示为一个数据类型对象如
金宝appSimulink.NumericType
。这些数据类型支持相同的值金宝app图层1数据类型。
编程使用
块参数:Layer1DataTypeStr |
类型:特征向量 |
值:“继承:继承通过内部规则” |“双” |“单一” |“一半” |“int8” |“uint8” |“int16” |“uint16” |“int32” |“uint32” |“int64” |“uint64” |“布尔” |“fixdt (16)” |“fixdt(0) 1, 16日” |“fixdt(1, 16日2 ^ 0,0)” |<数据类型表达式>的 |
默认的:“继承:继承通过内部规则” |
图层1最低
——第一个完全连接层的最小值
[]
(默认)|标量
降低第一层的内部变量的值范围检查仿真软件。金宝app
金宝app仿真软件使用最小值来执行:
(见参数范围检查一些块为块参数指定最小值和最大值(金宝app模型))。
定点的自动扩展数据类型。
优化的代码生成模型。这种优化可以删除算法代码和影响结果的仿真模式,如硅或外部模式。有关更多信息,请参见优化使用指定的最小和最大值(嵌入式编码)。
请注意
的图层1最低参数不饱和或剪辑第一层值信号。
提示
经过训练的神经网络可以有不止一个完全连接层,不包括输出层。
您可以指定每个层的低价值的内部变量范围由仿真软件检查第十层。金宝app指定较低的值n层最低每一层。第一层是最小值图层1最低,第二层的最小值2层最低,等等。
您可以指定11层的低价值k,在那里k总层数,通过使用附加层(s)最小。的块参数为附加层(s)最小是
Layer11OutMin
。n层最低和附加层(s)最小金宝app支持相同的值图层1最低。
编程使用
块参数:Layer1OutMin |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
图层1最大
——最大值首先完全连接层
[]
(默认)|标量
上第一层的内部变量的值范围检查仿真软件。金宝app
金宝app仿真软件使用最大值来执行:
(见参数范围检查一些块为块参数指定最小值和最大值(金宝app模型))。
定点的自动扩展数据类型。
优化的代码生成模型。这种优化可以删除算法代码和影响结果的仿真模式,如硅或外部模式。有关更多信息,请参见优化使用指定的最小和最大值(嵌入式编码)。
请注意
的图层1最大参数不饱和或剪辑第一层值信号。
提示
经过训练的神经网络可以有不止一个完全连接层,不包括输出层。
您可以指定上每层的内部变量的值范围由仿真软件检查第十层。金宝app指定上值n层最大每一层。第一层的最大价值图层1最大,第二层的最大值2层最大,等等。
您可以指定为11层上面的价值k,在那里k总层数,通过使用附加层(s)最大值。的块参数为附加层(s)最大值是
Layer11OutMax
。n层最大和附加层(s)最大值金宝app支持相同的值图层1最大。
编程使用
块参数:Layer1OutMax |
类型:特征向量 |
值:“[]” |标量 |
默认的:“[]” |
块特征
数据类型 |
|
直接引线 |
|
多维信号 |
|
适应信号 |
|
讨论二阶导数过零检测 |
|
选择功能
您可以使用MATLAB的功能块预测
目标函数的神经网络回归对象(RegressionNeuralNetwork
或CompactRegressionNeuralNetwork
)。例如,看到的预测类标签使用MATLAB函数块。
在决定是否使用RegressionNeuralNetwork预测块的统计和机器学习工具箱™库或MATLAB函数块预测
函数,考虑以下:
如果你使用统计和机器学习工具库,您可以使用定点的工具(定点设计师)一个浮点模型转换为定点。
金宝app支持适应可变数组必须启用的MATLAB函数块
预测
函数。如果使用MATLAB功能块,您可以使用MATLAB函数之前或之后预处理或后处理预测在同一MATLAB功能块。
扩展功能
C / c++代码生成
使用仿真软件生成C和c++代码®编码器™。金宝app
定点转换
设计和模拟使用定点定点系统设计师™。
版本历史
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。