主要内容
NARX与时滞网络的建模与预测
使用动态神经网络，包括带反馈的网络，解决时间序列问题
应用程序
| 神经网络时间序列 | 用动态神经网络求解非线性时间序列问题 |
功能
timedelaynet |
时滞神经网络 |
narxnet |
具有外部输入的非线性自回归神经网络 |
narnet |
非线性自回归神经网络 |
layrecnet |
层递归神经网络 |
distdelaynet |
分布式网络延迟 |
火车 |
训练浅神经网络 |
gensim |
生成万博1manbetx块浅层神经网络仿真 |
adddelay |
增加神经网络响应的延迟 |
removedelay |
消除对神经网络响应的延迟 |
closeloop |
将神经网络的开环反馈转换为闭环反馈 |
openloop |
将神经网络闭环反馈转换为开环反馈 |
ploterrhist |
情节错误直方图 |
plotinerrcorr |
图输入到误差时间序列互相关 |
plotregression |
情节线性回归 |
plotresponse |
绘制动态网络时间序列响应图 |
ploterrcorr |
绘制误差时间序列的自相关图 |
genFunction |
生成MATLAB模拟浅神经网络的函数 |
例子和如何做
基本设计
使用神经网络时间序列应用程序和命令行函数进行时间序列预测。
学习设计用于时间序列预测的聚焦时延神经网络(FTDNN)。
学习多步神经网络预测。
创建并训练一个具有外生输入的非线性自回归网络(NARX)。
创建和训练一个动态网络，即层递归网络(LRN)。
使用MATLAB仿真和部署训练过的浅神经网络®工具。
学习如何部署浅神经网络的训练。
这个例子说明了如何用NARX(非线性自回归与外部输入)神经网络建模磁悬浮动力系统。
培训可扩展性和效率
使用并行和分布式计算来加快神经网络的训练和模拟，并处理大数据。
保存中间结果以保护长时间训练的价值。
使神经网络训练更有效。
最优解万博 尤文图斯
预处理输入和目标，以更有效的培训。
学习如何手动配置网络之前培训使用配置函数。
使用函数将数据划分为训练、验证和测试集。
不同问题类型的训练算法比较。
学习改进泛化和防止过拟合的方法。
学习在训练神经网络时如何使用误差加权。
学习如何使用不同范围的值来适应输出元素。
概念
学习前馈和递归网络如何工作。
管理以多个短序列提供的时间序列数据。
学习如何使用效用函数来操作神经网络数据。
浅层神经网络实验时使用的样本数据集列表。
学习定义网络基本特征的属性。
学习定义网络细节的属性，如输入、层次、输出、目标、偏差和权重。
你也可以从以下列表中选择一个网站:
