elmannet
R2026b(제거될 예정임) 엘만 신경망
elmannet 함수는 향후 릴리스에서 제거될 예정입니다. 자세한 내용은 레거시 신경망 코드를 dlnetwork 워크플로로 전환하기 항목을 참조하십시오.
코드 업데이트에 대한 자세한 지침은 버전 내역 항목을 참조하십시오.
구문
elmannet(layerdelays,hiddenSizes,trainFcn)
설명
엘만 신경망은 피드포워드 신경망(feedforwardnet)에 탭 지연이 있는 계층 순환 연결이 추가된 것입니다.
완전 동적 미분 계산(fpderiv 및 bttderiv)이 가능한 지금은 과거의 연구를 살펴보는 용도를 제외하면 엘만 신경망이 더 이상 권장되지 않습니다. 보다 정확한 학습을 위해 시간 지연 신경망(timedelaynet), 계층 순환 신경망(layrecnet), NARX 신경망(narxnet) 및 NAR 신경망(narnet)을 사용하십시오.
은닉 계층이 2개 이상인 엘만 신경망은 은닉 계층에 뉴런이 충분히 주어진다면 어떠한 동적 입력-출력 관계도 임의로 학습할 수 있습니다. 그러나 엘만 신경망은 (지연된 연결을 무시하는 staticderiv를 사용하는) 간소화된 미분 계산을 사용하기 때문에 학습의 신뢰성이 떨어집니다.
elmannet(layerdelays,hiddenSizes,trainFcn)은 다음과 같은 인수를 받습니다.
layerdelays | 증가하는 0 또는 양의 지연으로 구성된 행 벡터(디폴트 값 = 1:2) |
hiddenSizes | 하나 이상의 은닉 계층 크기로 구성된 행 벡터(디폴트 값 = 10) |
trainFcn | 훈련 함수(디폴트 값 = |
그런 다음 엘만 신경망을 반환합니다.
예제
이 예제에서는 간단한 시계열 문제를 풀도록 엘만 신경망을 훈련시키는 방법을 보여줍니다.
[X,T] = simpleseries_dataset; net = elmannet(1:2,10); [Xs,Xi,Ai,Ts] = preparets(net,X,T); net = train(net,Xs,Ts,Xi,Ai);
view(net)
Y = net(Xs,Xi,Ai); perf = perform(net,Ts,Y)
perf = 9.0122e-04
