이 번역 페이지는 최신 내용을 담고 있지 않습니다. 최신 내용을 영문으로 보려면 여기를 클릭하십시오.
NARX 및 시간 지연 신경망을 사용한 모델링과 예측
피드백이 포함된 신경망을 포함한 동적 신경망을 사용하여 시계열 문제 해결
앱
신경망 시계열 | 동적 신경망을 사용하여 비선형 시계열 문제 풀기 |
함수
timedelaynet | 시간 지연 신경망 |
narxnet | 외부 입력값이 있는 비선형 자기회귀 신경망 |
narnet | 비선형 자기회귀 신경망 |
layrecnet | 계층 순환 신경망 |
distdelaynet | 분산 지연 신경망 |
train | 얕은 신경망 훈련 |
gensim | 얕은 신경망 시뮬레이션에 사용할 Simulink 블록 생성 |
adddelay | Add delay to neural network response |
removedelay | Remove delay to neural network’s response |
closeloop | 신경망의 개루프 피드백을 폐루프로 변환 |
openloop | Convert neural network closed-loop feedback to open loop |
ploterrhist | 오차 히스토그램 플로팅 |
plotinerrcorr | Plot input to error time-series cross-correlation |
plotregression | 선형 회귀 플로팅 |
plotresponse | 동적 신경망 시계열 응답 플로팅 |
ploterrcorr | 오차 시계열의 자기상관 플로팅 |
genFunction | 얕은 신경망 시뮬레이션에 사용할 MATLAB 함수 생성 |
예제 및 방법
기본 설계
- 얕은 신경망을 사용한 시계열 예측 및 모델링
신경망 시계열 앱과 명령줄 함수를 사용하여 시계열을 예측합니다. - Design Time Series Time-Delay Neural Networks
Learn to design focused time-delay neural network (FTDNN) for time-series prediction. - 다중 스텝 신경망 예측
다중 스텝 신경망 예측에 대해 알아봅니다. - 시계열 NARX 피드백 신경망 설계하기
외생적인 입력을 갖는 비선형 자기회귀 신경망(NARX)를 만들고 훈련시킵니다. - Design Layer-Recurrent Neural Networks
Create and train a dynamic network that is a Layer-Recurrent Network (LRN). - Deploy Shallow Neural Network Functions
Simulate and deploy trained shallow neural networks using MATLAB® tools. - Deploy Training of Shallow Neural Networks
Learn how to deploy training of shallow neural networks. - 자기 부상 모델링
이 예제에서는 NARX(Nonlinear AutoRegressive with eXternal input) 신경망으로 자기 부상 역학 시스템을 모델링하는 방법을 보여줍니다.
훈련 확장성 및 효율성
- 병렬 및 GPU 연산을 사용한 얕은 신경망
병렬 및 분산 연산을 사용하여 신경망 훈련과 시뮬레이션의 속도를 높이고 대규모 데이터를 처리합니다. - Automatically Save Checkpoints During Neural Network Training
Save intermediate results to protect the value of long training runs. - Optimize Neural Network Training Speed and Memory
Make neural network training more efficient.
최적의 솔루션
- 신경망 입력-출력 처리 함수 선택하기
더 효율적인 훈련을 위해 입력값과 목표값을 전처리합니다. - 얕은 신경망의 입력값과 출력값 구성하기
configure
함수를 사용하여 훈련에 앞서 신경망을 수동으로 구성하는 방법을 알아봅니다. - 최적의 신경망 훈련을 위해 데이터 분할하기
함수를 사용하여 데이터를 훈련, 검증 및 테스트 세트로 분할합니다. - 다층 신경망 훈련 함수 선택하기
여러 문제 유형에 대한 훈련 알고리즘의 성능 비교. - 얕은 신경망 일반화를 개선하고 과적합 방지하기
일반화를 개선하고 과적합을 방지하는 방법을 알아봅니다. - Train Neural Networks with Error Weights
Learn how to use error weighting when training neural networks. - Normalize Errors of Multiple Outputs
Learn how to fit output elements with different ranges of values.
개념
- How Dynamic Neural Networks Work
Learn how feedforward and recurrent networks work.
- Multiple Sequences with Dynamic Neural Networks
Manage time-series data that is available in several short sequences.
- Neural Network Time-Series Utilities
Learn how to use utility functions to manipulate neural network data.
- 얕은 신경망을 위한 샘플 데이터 세트
얕은 신경망 실험에 사용할 수 있는 샘플 데이터 세트의 목록입니다.
- 신경망 객체 속성
신경망의 기본 특징을 정의하는 속성을 알아봅니다.
- 신경망 하위객체 속성
입력값, 계층, 출력값, 목표값, 편향 및 가중치와 같이 신경망 세부 사항을 정의하는 속성을 알아봅니다.