Main Content

layrecnet

계층 순환 신경망

설명

예제

layrecnet(layerDelays,hiddenSizes,trainFcn)은 다음과 같은 인수를 받습니다.

  • 증가하는 0 또는 양의 지연으로 구성된 행 벡터 layerDelays

  • 하나 이상의 은닉 계층 크기로 구성된 행 벡터 hiddenSizes

  • 역전파 훈련 함수 trainFcn

그런 다음 계층 순환 신경망을 반환합니다.

계층 순환 신경망은 피드포워드 신경망과 비슷하나, 각 계층에 연관 탭 지연이 있는 순환 연결이 있다는 점이 다릅니다. 이로 인해 계층 순환 신경망은 시계열 입력 데이터에 대해 무한 동적 응답 변수를 가질 수 있습니다. 이 신경망은 유한 입력 응답 변수를 갖는 시간 지연 신경망(timedelaynet) 및 분산 지연 신경망(distdelaynet)과 비슷합니다.

예제

모두 축소

이 예제에서는 계층 순환 신경망을 사용하여 간단한 시계열 문제를 푸는 방법을 보여줍니다.

[X,T] = simpleseries_dataset;
net = layrecnet(1:2,10);
[Xs,Xi,Ai,Ts] = preparets(net,X,T);
net = train(net,Xs,Ts,Xi,Ai);

{"String":"Figure Neural Network Training (24-Jul-2022 21:29:08) contains an object of type uigridlayout.","Tex":[],"LaTex":[]}

view(net)

Y = net(Xs,Xi,Ai);
perf = perform(net,Y,Ts)
perf = 6.1239e-11

입력 인수

모두 축소

0 또는 양의 입력 지연으로, 증가하는 행 벡터로 지정됩니다.

은닉 계층의 크기로, 하나 이상의 요소로 구성된 행 벡터로 지정됩니다.

훈련 함수 이름으로, 다음 중 하나로 지정됩니다.

훈련 함수알고리즘
'trainlm'

Levenberg-Marquardt

'trainbr'

베이즈 정규화

'trainbfg'

BFGS 준뉴턴

'trainrp'

탄력적 역전파

'trainscg'

스케일링된 켤레 기울기

'traincgb'

Powell/Beale 재시작 알고리즘을 사용한 켤레 기울기

'traincgf'

Fletcher-Powell 켤레 기울기

'traincgp'

Polak-Ribiére 켤레 기울기

'trainoss'

1스텝 할선법

'traingdx'

가변 학습률 경사하강법

'traingdm'

모멘텀을 사용한 경사하강법

'traingd'

경사하강법

예: 예를 들어, 'traingdx'와 같이 훈련 알고리즘으로 가변 학습률 경사하강법 알고리즘을 지정할 수 있습니다.

훈련 함수에 대한 자세한 내용은 얕은 다층 신경망 훈련시키고 적용하기다층 신경망 훈련 함수 선택하기 항목을 참조하십시오.

데이터형: char

버전 내역

R2010b에 개발됨