Main Content

timedelaynet

시간 지연 신경망

설명

예제

timedelaynet(inputDelays,hiddenSizes,trainFcn)은 다음과 같은 인수를 받습니다.

  • 증가하는 0 또는 양의 입력 지연으로 구성된 행 벡터 inputDelays

  • 하나 이상의 은닉 계층 크기로 구성된 행 벡터 hiddenSizes

  • 훈련 함수 trainFcn

그런 다음 시간 지연 신경망을 반환합니다.

시간 지연 신경망은 피드포워드 신경망과 비슷하나, 입력 가중치에 탭 지연선이 연결되어 있다는 점이 다릅니다. 이로 인해 시간 지연 신경망은 시계열 입력 데이터에 대해 유한 동적 응답 변수를 가질 수 있습니다. 이 신경망은 입력 가중치 이외에 계층 가중치에도 지연이 있는 분산 지연 신경망(distdelaynet)과도 비슷합니다.

예제

모두 축소

이 예제에서는 시간 지연 신경망을 훈련시키는 방법을 보여줍니다.

훈련 세트를 분할합니다. 나중에 폐루프 모드에서 예측을 수행하려면 Xnew를 사용하십시오.

[X,T] = simpleseries_dataset;
Xnew = X(81:100);
X = X(1:80);
T = T(1:80);

시간 지연 신경망을 훈련시킨 다음 처음 80개의 관측값에 대해 시뮬레이션합니다.

net = timedelaynet(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 21:28:03) contains an object of type uigridlayout.","Tex":[],"LaTex":[]}

view(net)

신경망 성능을 계산합니다.

[Y,Xf,Af] = net(Xs,Xi,Ai);
perf = perform(net,Ts,Y);

폐루프 모드에서 향후 20개의 시간 스텝에 대해 사전 예측을 실행합니다.

[netc,Xic,Aic] = closeloop(net,Xf,Af);
view(netc)

y2 = netc(Xnew,Xic,Aic);

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