RegressionNeuralNetwork Predict

신경망 회귀 모델을 사용하여 응답 변수 예측

R2021b 이후

• 

라이브러리:
Statistics and Machine Learning Toolbox / Regression

설명

RegressionNeuralNetwork Predict 블록은 신경망 회귀 객체(RegressionNeuralNetwork 또는 CompactRegressionNeuralNetwork)를 사용하여 응답 변수를 예측합니다.

객체를 포함하는 작업 공간 변수의 이름을 지정하여, 훈련된 회귀 객체를 블록으로 가져옵니다. 입력 포트 x는 관측값(예측 변수 데이터)을 받고 출력 포트 yfit는 관측값에 대해 예측된 응답을 반환합니다.

예제

Predict Responses Using RegressionNeuralNetwork Predict Block

Train a neural network regression model, and then use the RegressionNeuralNetwork Predict block for response prediction.

• 라이브 스크립트 열기

포트

입력

x — 예측 변수 데이터

행 벡터 | 열 벡터

예측 변수 데이터로, 하나의 관측값으로 구성된 행 벡터 또는 열 벡터로 지정됩니다.

x의 변수는 훈련된 머신러닝 모델 선택으로 지정된 모델을 훈련시킨 예측 변수와 순서가 동일해야 합니다.

데이터형: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

출력

yfit — 예측된 응답

스칼라

예측된 응답으로, 스칼라로 반환됩니다.

데이터형: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

파라미터

기본

훈련된 머신러닝 모델 선택 — 신경망 회귀 모델

nnetMdl (디폴트 값) | RegressionNeuralNetwork | CompactRegressionNeuralNetwork

RegressionNeuralNetwork 객체 또는 CompactRegressionNeuralNetwork 객체를 포함하는 작업 공간 변수의 이름을 지정합니다.

fitrnet를 사용하여 모델을 훈련시키는 경우 다음 제한 사항이 적용됩니다.

• 예측 변수 데이터는 범주형 예측 변수(logical, categorical, char, string 또는 cell)를 포함할 수 없습니다. 테이블로 훈련 데이터를 제공하는 경우 예측 변수는 숫자형(double형 또는 single형)이어야 합니다 또한 CategoricalPredictors 이름-값 인수를 사용할 수 없습니다. 모델에 범주형 예측 변수를 포함하려면 모델을 피팅하기 전에 dummyvar를 사용하여 해당 변수를 전처리하십시오.

• 응답 변수 데이터는 하나의 응답 변수로만 구성되어야 합니다. 다중응답 회귀는 지원되지 않습니다.

프로그래밍 방식으로 사용하기

블록 파라미터: TrainedLearner

유형: 작업 공간 변수

값: RegressionNeuralNetwork 객체 | CompactRegressionNeuralNetwork 객체

디폴트 값: 'nnetMdl'

데이터형

고정소수점 연산 파라미터

정수 반올림 모드 — 고정소수점 연산을 위한 반올림 모드

내림(Floor) (디폴트 값) | 올림(Ceiling) | 수렴(Convergent) | 최근접(Nearest) | 반올림(Round) | 최대단순(Simplest) | 0 방향(Zero)

고정소수점 연산을 위한 반올림 모드를 지정합니다. 자세한 내용은 반올림 모드 (Fixed-Point Designer) 항목을 참조하십시오.

블록 파라미터는 표현 가능한 가장 가까운 값으로 항상 반올림됩니다. 블록 파라미터의 반올림을 제어하려면 MATLAB^® 반올림 함수를 사용하여 마스크 필드에 표현식을 입력하십시오.

프로그래밍 방식으로 사용하기

블록 파라미터: RndMeth

유형: 문자형 벡터

값: "Ceiling" | "Convergent" | "Floor" | "Nearest" | "Round" | "Simplest" | "Zero"

디폴트 값: "Floor"

정수 오버플로 시 포화 — 오버플로 동작 방법

off (디폴트 값) | on

오버플로가 포화되는지 또는 래핑되는지 지정합니다.

동작	근거	오버플로에 대한 영향	예
이 체크박스를 선택합니다(on).	모델에 오버플로 가능성이 있으며 생성된 코드에서 명시적으로 포화를 보호해야 합니다.	데이터형이 나타낼 수 있는 최솟값 또는 최댓값으로 오버플로가 포화됩니다.	int8(부호 있는 8비트 정수) 데이터형이 나타낼 수 있는 최댓값은 127입니다. 이 최댓값보다 큰 블록 연산 결과는 8비트 정수에 오버플로를 발생시킵니다. 이 체크박스를 선택하면, 블록 출력이 127에서 포화됩니다. 이와 마찬가지로, 블록 출력은 최소 출력값 –128에서 포화됩니다.
이 체크박스의 선택을 해제합니다(off).	생성된 코드의 효율성을 최적화해야 합니다. 블록이 범위를 벗어난 신호를 처리하는 방식을 과도하게 지정하지 않도록 해야 합니다. 자세한 내용은 Troubleshoot Signal Range Errors (Simulink) 항목을 참조하십시오.	데이터형이 나타낼 수 있는 적절한 값으로 오버플로가 래핑됩니다.	int8(부호 있는 8비트 정수) 데이터형이 나타낼 수 있는 최댓값은 127입니다. 이 최댓값보다 큰 블록 연산 결과는 8비트 정수에 오버플로를 발생시킵니다. 이 체크박스 선택을 해제하면 오버플로를 일으키는 값이 int8형으로 해석되어 의도하지 않은 결과가 생성될 수 있습니다. 예를 들어 블록 결과 130(2진수 1000 0010)을 int8형으로 표현하면 –126입니다.

프로그래밍 방식으로 사용하기

블록 파라미터: SaturateOnIntegerOverflow

유형: 문자형 벡터

값: "off" | "on"

디폴트 값: "off"

고정소수점 툴에 의해 변경되지 않도록 출력 데이터형 설정 잠금 — 고정소수점 툴이 데이터형을 재정의하지 않도록 방지

off (디폴트 값) | on

고정소수점 툴이 블록에 대해 지정된 데이터형을 재정의하지 않도록 방지하려면 이 파라미터를 선택하십시오. 자세한 내용은 Use Lock Output Data Type Setting (Fixed-Point Designer) 항목을 참조하십시오.

프로그래밍 방식으로 사용하기

블록 파라미터: LockScale

유형: 문자형 벡터

값: "off" | "on"

디폴트 값: "off"

데이터형

출력 데이터형 — yfit 출력값의 데이터형

상속: 자동 (디폴트 값) | double | single | half | int8 | uint8 | int16 | uint16 | int32 | uint32 | int64 | uint64 | boolean | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <데이터형 표현식>

yfit 출력값의 데이터형을 지정합니다. 데이터형은 상속되거나 직접 지정되거나 Simulink.NumericType과 같은 데이터형 객체로 표현될 수 있습니다.

상속: 자동을 선택하는 경우 블록은 데이터형을 상속하는 규칙을 사용합니다.

데이터형에 대한 자세한 내용은 Control Data Types of Signals (Simulink) 항목을 참조하십시오.

데이터형 도우미를 표시합니다. 버튼 을 클릭하면 데이터형 특성을 설정하는 데 도움이 되는 데이터형 도우미가 표시됩니다. 자세한 내용은 Specify Data Types Using Data Type Assistant (Simulink) 항목을 참조하십시오.

프로그래밍 방식으로 사용하기

블록 파라미터: OutDataTypeStr

유형: 문자형 벡터

값: "Inherit: auto" | "double" | "single" | "half" | "int8" | "uint8" | "int16" | "uint16" | "int32" | "uint32" | "int64" | "uint64" | "boolean" | "fixdt(1,16,0)" | "fixdt(1,16,2^0,0)" | "<data type expression>"

디폴트 값: "Inherit: auto"

출력 데이터형 최솟값 — 범위 검사를 위한 yfit 출력값의 최솟값

[] (디폴트 값) | 스칼라

Simulink^®가 검사하는 yfit 출력 범위의 하한 값을 지정합니다.

Simulink는 다음을 수행하는 데 최솟값을 사용합니다.

• 일부 블록에 대한 파라미터 범위 검사(Specify Minimum and Maximum Values for Block Parameters (Simulink) 항목 참조).

• 시뮬레이션 범위 검사(Specify Signal Ranges (Simulink) 항목 및 Enable Simulation Range Checking (Simulink) 항목 참조).

• 모델에서 생성하는 코드의 최적화. 이 최적화는 알고리즘 코드를 제거하므로 SIL(Software-in-the-Loop) 모드 또는 외부 모드와 같은 일부 시뮬레이션 모드의 결과에 영향을 미칠 수 있습니다. 자세한 내용은 Optimize using the specified minimum and maximum values (Embedded Coder) 항목을 참조하십시오.

참고

출력 데이터형 최솟값 파라미터는 실제 yfit 신호를 포화시키거나 자르지 않습니다. 이렇게 하려면 Saturation (Simulink) 블록을 대신 사용하십시오.

프로그래밍 방식으로 사용하기

블록 파라미터: OutMin

유형: 문자형 벡터

값: '[]' | 스칼라

디폴트 값: '[]'

출력 데이터형 최댓값 — 범위 검사를 위한 yfit 출력값의 최댓값

[] (디폴트 값) | 스칼라

Simulink가 검사하는 yfit 출력 범위의 상한 값입니다.

Simulink는 다음을 수행하는 데 최댓값을 사용합니다.

• 일부 블록에 대한 파라미터 범위 검사(Specify Minimum and Maximum Values for Block Parameters (Simulink) 항목 참조).

• 시뮬레이션 범위 검사(Specify Signal Ranges (Simulink) 항목 및 Enable Simulation Range Checking (Simulink) 항목 참조).

• 모델에서 생성하는 코드의 최적화. 이 최적화는 알고리즘 코드를 제거하므로 SIL 또는 외부 모드와 같은 일부 시뮬레이션 모드의 결과에 영향을 미칠 수 있습니다. 자세한 내용은 Optimize using the specified minimum and maximum values (Embedded Coder) 항목을 참조하십시오.

참고

출력 데이터형 최댓값 파라미터는 실제 yfit 신호를 포화시키거나 자르지 않습니다. 이렇게 하려면 Saturation (Simulink) 블록을 대신 사용하십시오.

프로그래밍 방식으로 사용하기

블록 파라미터: OutMax

유형: 문자형 벡터

값: '[]' | 스칼라

디폴트 값: '[]'

출력 계층 데이터형 — 마지막 완전 연결 계층의 데이터형

상속: 내부 규칙을 통해 상속 (디폴트 값) | double | single | half | int8 | uint8 | int16 | uint16 | int32 | uint32 | int64 | uint64 | boolean | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <데이터형 표현식>

출력 계층의 데이터형을 지정합니다. 데이터형은 상속되거나 직접 지정되거나 Simulink.NumericType과 같은 데이터형 객체로 표현될 수 있습니다.

상속: 내부 규칙을 통해 상속을 선택하면 블록은 내부 규칙을 사용하여 출력 데이터형을 결정합니다. 내부 규칙은 임베디드 타깃 하드웨어의 속성을 고려하면서 수치 정확도, 성능, 생성된 코드 크기를 최적화하는 데이터형을 선택합니다. 항상 그렇듯이 효율성과 수치적 정확도를 동시에 최적화할 수는 없습니다.

데이터형에 대한 자세한 내용은 Control Data Types of Signals (Simulink) 항목을 참조하십시오.

데이터형 도우미를 표시합니다. 버튼 을 클릭하면 데이터형 특성을 설정하는 데 도움이 되는 데이터형 도우미가 표시됩니다. 자세한 내용은 Specify Data Types Using Data Type Assistant (Simulink) 항목을 참조하십시오.

프로그래밍 방식으로 사용하기

블록 파라미터: OutputLayerDataTypeStr

유형: 문자형 벡터

값: 'Inherit: Inherit via internal rule' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>'

디폴트 값: 'Inherit: Inherit via internal rule'

출력 계층 데이터형 최솟값 — 마지막 완전 연결 계층의 최솟값

[] (디폴트 값) | 스칼라

Simulink가 검사하는 출력 계층의 내부 변수 범위의 하한 값을 지정합니다.

Simulink는 다음을 수행하는 데 최솟값을 사용합니다.

• 일부 블록에 대한 파라미터 범위 검사(Specify Minimum and Maximum Values for Block Parameters (Simulink) 항목 참조).

• 시뮬레이션 범위 검사(Specify Signal Ranges (Simulink) 항목 및 Enable Simulation Range Checking (Simulink) 항목 참조).

• 모델에서 생성하는 코드의 최적화. 이 최적화는 알고리즘 코드를 제거하므로 SIL(Software-in-the-Loop) 모드 또는 외부 모드와 같은 일부 시뮬레이션 모드의 결과에 영향을 미칠 수 있습니다. 자세한 내용은 Optimize using the specified minimum and maximum values (Embedded Coder) 항목을 참조하십시오.

참고

출력 계층 데이터형 최솟값 파라미터는 출력 계층 값 신호를 포화시키거나 자르지 않습니다.

프로그래밍 방식으로 사용하기

블록 파라미터: OutputLayerOutMin

유형: 문자형 벡터

값: '[]' | 스칼라

디폴트 값: '[]'

출력 계층 데이터형 최댓값 — 마지막 완전 연결 계층의 최댓값

[] (디폴트 값) | 스칼라

Simulink가 검사하는 출력 계층의 내부 변수 범위의 상한 값을 지정합니다.

Simulink는 다음을 수행하는 데 최댓값을 사용합니다.

• 일부 블록에 대한 파라미터 범위 검사(Specify Minimum and Maximum Values for Block Parameters (Simulink) 항목 참조).

• 시뮬레이션 범위 검사(Specify Signal Ranges (Simulink) 항목 및 Enable Simulation Range Checking (Simulink) 항목 참조).

• 모델에서 생성하는 코드의 최적화. 이 최적화는 알고리즘 코드를 제거하므로 SIL 또는 외부 모드와 같은 일부 시뮬레이션 모드의 결과에 영향을 미칠 수 있습니다. 자세한 내용은 Optimize using the specified minimum and maximum values (Embedded Coder) 항목을 참조하십시오.

참고

출력 계층 데이터형 최댓값 파라미터는 출력 계층 값 신호를 포화시키거나 자르지 않습니다.

프로그래밍 방식으로 사용하기

블록 파라미터: OutputLayerOutMax

유형: 문자형 벡터

값: '[]' | 스칼라

디폴트 값: '[]'

계층 1 데이터형 — 첫 번째 완전 연결 계층의 데이터형

상속: 내부 규칙을 통해 상속 (디폴트 값) | double | single | half | int8 | uint8 | int16 | uint16 | int32 | uint32 | int64 | uint64 | boolean | fixdt(1,16,0) | fixdt(1,16,2^0,0) | <데이터형 표현식>

첫 번째 계층의 데이터형을 지정합니다. 데이터형은 상속되거나 직접 지정되거나 Simulink.NumericType과 같은 데이터형 객체로 표현될 수 있습니다.

상속: 내부 규칙을 통해 상속을 선택하면 블록은 내부 규칙을 사용하여 데이터형을 결정합니다. 내부 규칙은 임베디드 타깃 하드웨어의 속성을 고려하면서 수치 정확도, 성능, 생성된 코드 크기를 최적화하는 데이터형을 선택합니다. 항상 그렇듯이 효율성과 수치적 정확도를 동시에 최적화할 수는 없습니다.

데이터형에 대한 자세한 내용은 Control Data Types of Signals (Simulink) 항목을 참조하십시오.

데이터형 도우미를 표시합니다. 버튼 을 클릭하면 데이터형 특성을 설정하는 데 도움이 되는 데이터형 도우미가 표시됩니다. 자세한 내용은 Specify Data Types Using Data Type Assistant (Simulink) 항목을 참조하십시오.

팁

훈련된 신경망은 출력 계층을 제외하고 완전 연결 계층을 두 개 이상 가질 수 있습니다.

• 처음 10개의 계층에 대해 각 계층의 데이터형을 지정할 수 있습니다. 각 계층에 대해 계층 n 데이터형을 지정합니다. 첫 번째 계층의 데이터형은 계층 1 데이터형, 두 번째 계층의 데이터형은 계층 2 데이터형 등으로 이어집니다.

• 추가 계층 데이터형을 사용하여 계층 11부터 k까지의 데이터형을 지정할 수 있습니다. 여기서 k는 계층의 총 개수입니다. 추가 계층 데이터형의 블록 파라미터는 Layer11DataTypeStr입니다.

• 계층 n 데이터형 및 추가 계층 데이터형은 상속되거나 직접 지정되거나 Simulink.NumericType과 같은 데이터형 객체로 표현될 수 있습니다. 이러한 데이터형은 계층 1 데이터형과 같은 값을 지원합니다.

프로그래밍 방식으로 사용하기

블록 파라미터: Layer1DataTypeStr

유형: 문자형 벡터

값: 'Inherit: Inherit via internal rule' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>'

디폴트 값: 'Inherit: Inherit via internal rule'

계층 1 데이터형 최솟값 — 첫 번째 완전 연결 계층의 최솟값

[] (디폴트 값) | 스칼라

Simulink가 검사하는 첫 번째 계층의 내부 변수 범위의 하한 값을 지정합니다.

Simulink는 다음을 수행하는 데 최솟값을 사용합니다.

• 일부 블록에 대한 파라미터 범위 검사(Specify Minimum and Maximum Values for Block Parameters (Simulink) 항목 참조).

• 시뮬레이션 범위 검사(Specify Signal Ranges (Simulink) 항목 및 Enable Simulation Range Checking (Simulink) 항목 참조).

• 모델에서 생성하는 코드의 최적화. 이 최적화는 알고리즘 코드를 제거하므로 SIL(Software-in-the-Loop) 모드 또는 외부 모드와 같은 일부 시뮬레이션 모드의 결과에 영향을 미칠 수 있습니다. 자세한 내용은 Optimize using the specified minimum and maximum values (Embedded Coder) 항목을 참조하십시오.

참고

계층 1 데이터형 최솟값 파라미터는 첫 번째 계층 값 신호를 포화시키거나 자르지 않습니다.

팁

훈련된 신경망은 출력 계층을 제외하고 완전 연결 계층을 두 개 이상 가질 수 있습니다.

• 처음 10개 계층에 대해 Simulink가 검사하는 각 계층의 내부 변수 범위의 하한 값을 지정할 수 있습니다. 각 계층에 대해 하한 값 계층 n 최솟값을 지정합니다. 첫 번째 계층의 최솟값은 계층 1 최솟값, 두 번째 계층의 최솟값은 계층 2 최솟값 등으로 이어집니다.

• 추가 계층 최솟값을 사용하여 계층 11부터 k까지의 하한 값을 지정할 수 있습니다. 여기서 k는 계층의 총 개수입니다. 추가 계층 최솟값의 블록 파라미터는 Layer11OutMin입니다.

• 계층 n 최솟값 및 추가 계층 최솟값은 계층 1 최솟값과 같은 값을 지원합니다.

프로그래밍 방식으로 사용하기

블록 파라미터: Layer1OutMin

유형: 문자형 벡터

값: '[]' | 스칼라

디폴트 값: '[]'

계층 1 데이터형 최댓값 — 첫 번째 완전 연결 계층의 최댓값

[] (디폴트 값) | 스칼라

Simulink가 검사하는 첫 번째 계층의 내부 변수 범위의 상한 값을 지정합니다.

Simulink는 다음을 수행하는 데 최댓값을 사용합니다.

• 일부 블록에 대한 파라미터 범위 검사(Specify Minimum and Maximum Values for Block Parameters (Simulink) 항목 참조).

• 시뮬레이션 범위 검사(Specify Signal Ranges (Simulink) 항목 및 Enable Simulation Range Checking (Simulink) 항목 참조).

• 모델에서 생성하는 코드의 최적화. 이 최적화는 알고리즘 코드를 제거하므로 SIL 또는 외부 모드와 같은 일부 시뮬레이션 모드의 결과에 영향을 미칠 수 있습니다. 자세한 내용은 Optimize using the specified minimum and maximum values (Embedded Coder) 항목을 참조하십시오.

참고

계층 1 데이터형 최댓값 파라미터는 첫 번째 계층 값 신호를 포화시키거나 자르지 않습니다.

팁

훈련된 신경망은 출력 계층을 제외하고 완전 연결 계층을 두 개 이상 가질 수 있습니다.

• 처음 10개 계층에 대해 Simulink가 검사하는 각 계층의 내부 변수 범위의 상한 값을 지정할 수 있습니다. 각 계층에 대해 상한 값 계층 n 최댓값을 지정합니다. 첫 번째 계층의 최댓값은 계층 1 최댓값, 두 번째 계층의 최댓값은 계층 2 최댓값 등으로 이어집니다.

• 추가 계층 최댓값을 사용하여 계층 11부터 k까지의 상한 값을 지정할 수 있습니다. 여기서 k는 계층의 총 개수입니다. 추가 계층 최댓값의 블록 파라미터는 Layer11OutMax입니다.

• 계층 n 최댓값 및 추가 계층 최댓값은 계층 1 최댓값과 같은 값을 지원합니다.

프로그래밍 방식으로 사용하기

블록 파라미터: Layer1OutMax

유형: 문자형 벡터

값: '[]' | 스칼라

디폴트 값: '[]'

블록 특성

데이터형	Boolean | double | fixed point | half | integer | single
직접 피드스루	yes
다차원 신호	no
가변 크기 신호	no
영점교차 검출	no

세부 정보

데이터형 동기화

내부 모델 파라미터의 데이터형은 출력 포트 yfit의 데이터형과 동기화됩니다.

대체 기능

MATLAB Function 블록에 신경망 회귀 객체(RegressionNeuralNetwork 또는 CompactRegressionNeuralNetwork)의 predict 객체 함수를 사용할 수 있습니다. 예제는 Predict Class Labels Using MATLAB Function Block 항목을 참조하십시오.

Statistics and Machine Learning Toolbox™ 라이브러리의 RegressionNeuralNetwork Predict 블록을 사용하거나 MATLAB Function 블록에 predict 함수를 사용할지 결정할 때 다음 사항을 고려하십시오.

• Statistics and Machine Learning Toolbox 라이브러리 블록을 사용하는 경우, 고정소수점 툴 (Fixed-Point Designer)을 사용하여 부동소수점 모델을 고정소수점 모델로 변환할 수 있습니다.

• MATLAB Function 블록에 predict 함수를 사용하려면 이 블록에 대해 가변 크기 배열 지원이 활성화되어 있어야 합니다.

• MATLAB Function 블록을 사용하는 경우, 이 MATLAB Function 블록에서 예측 전이나 후에 전처리 또는 후처리를 위해 MATLAB 함수를 사용할 수 있습니다.

확장 기능

C/C++ 코드 생성
Simulink® Coder™를 사용하여 C 코드나 C++ 코드를 생성할 수 있습니다.

고정소수점 변환
Fixed-Point Designer™를 사용하여 고정소수점 시스템을 설계하고 시뮬레이션할 수 있습니다.

버전 내역

R2021b에 개발됨

참고 항목

블록

• RegressionSVM Predict | RegressionTree Predict | RegressionEnsemble Predict | RegressionGP Predict | ClassificationNeuralNetwork Predict

객체

• RegressionNeuralNetwork | CompactRegressionNeuralNetwork

함수

• predict | fitrnet

도움말 항목

• Predict Responses Using RegressionSVM Predict Block
• Predict Responses Using RegressionTree Predict Block
• Predict Responses Using RegressionEnsemble Predict Block
• Predict Responses Using RegressionGP Predict Block
• Predict Class Labels Using MATLAB Function Block
• Deploy Neural Network Regression Model to FPGA/ASIC Platform