神经网络时间序列 | 通过训练一个动态神经网络来解决一个非线性时间序列问题 |
timedelaynet |
时间延迟神经网络 |
narxnet |
具有外部输入的非线性自回归神经网络 |
narnet |
非线性自回归神经网络 |
layrecnet. |
层递归神经网络 |
distdelaynet |
分布式网络延迟 |
火车 |
火车浅神经网络 |
gensim |
生成金宝app块浅层神经网络仿真 |
adddelay |
增加神经网络响应的延迟 |
recoupledelay |
消除对神经网络响应的延迟 |
Closeloop. |
将神经网络的开环反馈转换为闭环反馈 |
openloop |
将神经网络闭环反馈转换为开环反馈 |
ploterrhist |
情节错误直方图 |
plotinerrcorr |
绘制错误时序串联的互相关 |
plotregression |
情节线性回归 |
plotresponse |
绘制动态网络时间序列响应图 |
ploterrcorr |
绘制误差时间序列的自相关图 |
基因函数 |
生成MATLAB模拟浅神经网络的函数 |
使用神经网络时间序列应用程序和命令行功能进行时间序列预测。
学习设计用于时间序列预测的聚焦时延神经网络(FTDNN)。
学习MultiStep神经网络预测。
创建并训练一个具有外生输入的非线性自回归网络(NARX)。
创建和培训作为层复发网络(LRN)的动态网络。
使用MATLAB仿真和部署训练过的浅神经网络®工具。
学习如何部署浅神经网络的训练。
这个例子说明了如何用NARX(非线性自回归与外部输入)神经网络建模磁悬浮动力系统。
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。
保存中间结果以保护长期训练的价值。
使神经网络培训更高效。
预处理输入和目标,以更有效的培训。
学习如何手动配置网络之前培训使用配置
函数。
使用函数将数据划分为训练、验证和测试集。
不同问题类型训练算法的比较。
学习改进泛化和防止过拟合的方法。
学习在训练神经网络时如何使用误差加权。
学习如何使用不同范围的值来适应输出元素。
学习前馈和递归网络如何工作。
管理以多个短序列提供的时间序列数据。
学习如何使用效用函数来操作神经网络数据。
在使用浅神经网络试验时使用的示例数据集列表。
学习定义网络基本特征的属性。
学习定义网络详细信息的属性,例如输入,图层,输出,目标,偏差和权重等。