linearlayer

선형 계층 만들기

구문

layer = linearlayer(inputDelays,widrowHoffLR)

설명

layer = linearlayer(inputDelays,widrowHoffLR)은 증가하는 0 또는 양의 지연으로 구성된 행 벡터와 Widrow-Hoff 학습률을 받고 선형 계층을 반환합니다.

선형 계층은 선형 뉴런으로 구성된 단일 계층입니다. 입력 지연이 0인 정적 계층이거나 입력 지연이 0보다 큰 동적 계층입니다. 간단한 선형 시계열 문제에 대해 선형 계층을 훈련시킬 수 있습니다. 하지만 배포된 상태에서 계속 학습을 수행하여 사용 중에 입력값과 출력값 간의 관계 변화에 따라 조정될 수 있도록 적응적으로 사용되는 경우가 많습니다.

학습률이 너무 낮으면 학습이 매우 느리게 진행됩니다. 하지만 더 위험한 경우는 학습률이 너무 높아서 학습이 불안정해져 가중 벡터가 크게 변경되고 오차가 줄어드는 대신 늘어나는 것입니다. 계층이 학습할 관계를 규정하는 데이터 세트가 제공된 경우 maxlinlr 함수를 사용하여 최대 안정 학습률을 계산할 수 있습니다.

비선형 시계열 관계의 문제를 해결하기 위해 신경망이 필요한 경우 timedelaynet,narxnet, narnet을 참조하십시오.

예제

선형 계층을 만들고 훈련시키기

이 예제에서는 선형 계층을 만들고 훈련시키는 방법을 보여줍니다.

간단한 시계열 문제에 대해 선형 계층을 만들고 훈련시킵니다.

x = {0 -1 1 1 0 -1 1 0 0 1};
t = {0 -1 0 2 1 -1 0 1 0 1};
net = linearlayer(1:2,0.01);
[Xs,Xi,Ai,Ts] = preparets(net,x,t);
net = train(net,Xs,Ts,Xi,Ai);

view(net)

Y = net(Xs,Xi);
perf = perform(net,Ts,Y)

perf = 0.2396

입력 인수

inputDelays — 입력 지연

행 벡터

증가하는 0 또는 양의 지연으로, 행 벡터로 지정됩니다.

widrowHoffLR — Widrow-Hoff 학습률

0.01 (디폴트 값) | 스칼라

Widrow-Hoff 학습률로, 스칼라로 지정됩니다.

출력 인수

layer — 신경망 계층

신경망

신경망의 선형 계층으로, network 객체로 반환됩니다.

버전 내역

R2010b에 개발됨

참고 항목

preparets | removedelay | timedelaynet | narnet | narxnet