神经网络的时间序列 | 通过训练动态神经网络解决非线性时间序列问题 |
timedelaynet |
时滞神经网络 |
narxnet |
外部输入非线性自回归神经网络 |
narnet |
非线性自回归神经网络 |
层网 |
图层回归神经网络 |
distdelaynet |
分布式网络延迟 |
培养 |
训练浅层神经网络 |
gensim |
生成万博1manbetx块浅神经网络模拟 |
adddelay |
添加延迟神经网络响应 |
移除 |
删除延迟神经网络的反应 |
闭环 |
转换的神经网络开环反馈闭环 |
开环 |
转换的神经网络闭环反馈到开环 |
ploterrhist |
绘图错误直方图 |
plotinerrcorr |
误差时间序列互相关图输入 |
plotregression |
绘制线性回归 |
plotresponse |
剧情动态网络的时间序列响应 |
ploterrcorr |
错误的时间序列的自相关地块 |
生成函数 |
生成MATLAB功能模拟浅神经网络 |
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。
学习设计关注时间延迟神经网络(FTDNN)的时间序列预测。
学习多步神经网络预测。
创建和培养用外源输入(NARX)一个非线性自回归网络。
创建并训练一个动态网络,它是一个层递归网络(LRN)。
模拟和部署训练有素的浅神经网络使用MATLAB®工具。
了解如何部署浅神经网络的训练。
本实施例说明一个NARX(非线性自回归与外部输入)的神经网络如何建模的磁铁悬浮动力系统。
利用并行和分布式计算加速神经网络训练和仿真,处理大数据量。
保存中间结果以保护长时间训练的价值。
提高神经网络训练的效率。
预处理的投入和目标进行更有效的培训。
了解如何手动配置网络使用训练前配置
功能。
使用功能将数据分为培训,验证和测试集。
不同问题类型的训练算法比较。
学习提高泛化和防止过度拟合的方法。
了解如何训练神经网络时使用错误的权重。
了解如何以适应不同范围的值输出的元素。
了解如何前馈和复发网络的工作。
管理是在几个短序列可获得的时间序列数据。
了解如何使用效用函数来操纵神经网络的数据。
用于浅层神经网络实验的样本数据集列表。
得知定义网络的基本功能属性。
学习定义网络详细信息(如输入、层、输出、目标、偏差和权重)的属性。