이 페이지의 최신 내용은 아직 번역되지 않았습니다. 최신 내용은 영문으로 볼 수 있습니다.

NARX 및 시간 지연 네트워크를 사용한 모델링과 예측

피드백이 포함된 네트워크를 포함한 동적 신경망을 사용하여 시계열 문제 해결

Neural Net Time Series동적 신경망을 훈련시켜 비선형 시계열 문제 풀기

함수

nnstart신경망 시작하기 GUI
view신경망 보기
timedelaynet시간 지연 신경망
narxnet외부 입력값이 있는 비선형 자기회귀 신경망
narnet비선형 자기회귀 신경망
layrecnet계층 순환 신경망
distdelaynetDistributed delay network
train얕은 신경망 훈련
gensim얕은 신경망 시뮬레이션에 사용할 Simulink 블록 생성
adddelayAdd delay to neural network response
removedelayRemove delay to neural network’s response
closeloopConvert neural network open-loop feedback to closed loop
openloopConvert neural network closed-loop feedback to open loop
ploterrhistPlot error histogram
plotinerrcorrPlot input to error time-series cross-correlation
plotregression선형 회귀 플로팅
plotresponsePlot dynamic network time series response
ploterrcorrPlot autocorrelation of error time series
genFunction얕은 신경망 시뮬레이션에 사용할 MATLAB 함수 생성

예제 및 방법

기본 설계

얕은 신경망을 사용한 시계열 예측 및 모델링

Neural Network Time Series 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 네트워크(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 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 네트워크를 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

네트워크의 기본 특징을 정의하는 속성을 알아봅니다.

신경망 하위객체 속성

입력값, 계층, 출력값, 목표값, 편향 및 가중치와 같이 네트워크 세부 사항을 정의하는 속성을 알아봅니다.