相当于神经颂歌离散时间状态空间模型

10视图(30天)

显示旧的评论

M。 2023年1月25日

0
链接

这个问题直接联系

//www.tianjin-qmedu.com/matlabcentral/answers/1900460-equivalent-of-neural-ode-for-discrete-time-state-space-models

评论道: M。2023年2月2日

亲爱的论坛成员,

我最近读过的有趣的例子如何训练神经歌唱确定动力系统:

//www.tianjin-qmedu.com/help/deeplearning/ug/dynamical-system-modeling-using-neural-ode.html

这个例子讨论了连续时间模型,我想知道是否有等效教程与离散时间模型?

我知道它可以创建一个网络函数,但我想要实现我的自己的训练循环。

提前感谢任何帮助你可以提供!

0评论
显示1年长的评论藏1年长的评论

登录置评。

在回答这个问题。

答案(1)

Arkadiy Turevskiy 2023年1月31日

1
链接

直接链接到这个答案

//www.tianjin-qmedu.com/matlabcentral/answers/1900460-equivalent-of-neural-ode-for-discrete-time-state-space-models answer_1160815

我们添加了 idNeuralStateSpace 对象,同时支持连续和离散万博1manbetx时间模型。也许这可能是有用的。创建你写来简化代码,所以它不会允许你编写自己的训练循环。

3评论
显示2年长的评论隐藏2年长的评论

本 2023年2月2日

嗨米。

我不确定这是可能与肤浅的网络功能但这是可以做到的 dlnetwork 和自定义训练循环因为这些我们允许您编写您自己的模型函数,再利用同一个网络上两个不同的输入。这里有一些示例代码使用假数据——在实践中,您可能需要调整培训和网络hyperparameters获得最佳性能。

%跨多个调用共享一个神经网络

%创建一些假数据

%预测x (t + 1) = F (x (t), u (t)) + F (x (t), u (2, t)对一些未知的F

numSteps = 100;

t = linspace(0, 2 *π,numSteps);

F = @ (x, u)√x + u + 1);

x = [0, 1];

u = (cost;罪(t));

为我= 2:numSteps

x (:, i) = F (x(1张),u(1张))+ F (x(2张),u(2张));

结束

% F创建一个网络模型

%需要有两个输入,对x和u。

hiddenSize = 5000;

inputSize = 1;

outputSize = 2;

层= [

featureInputLayer (inputSize Name = “x” )

concatenationLayer(1、2名= “concat” );

fullyConnectedLayer (hiddenSize)

reluLayer

fullyConnectedLayer (outputSize)];

网= dlnetwork(层,初始化= false);

网= addLayers(净featureInputLayer (Name = “u” ));

网= connectLayers(网络, “u” , “concat / in2” );

网=初始化(净);

%的火车使用自定义训练循环

numEpochs = 1000;

韦尔= [];

x = dlarray (x, “CB” );

u = dlarray (u, “CB” );

learnRate = 0.1;

为时代= 1:numEpochs

(损失,梯度)= dlfeval (@modelLoss x, u,净);

lossValue = extractdata(损失);

流( ”时代:% d % .4f \ n”损失时代,lossValue);

(净,韦尔)= sgdmupdate(网、梯度、韦尔,learnRate);

结束

函数(损失,梯度)= modelLoss (x, u,净)

%预测(:,2:结束)x (:, 1: end-1)和u (:, 1: end-1)

xtarget = x(:, 2:结束);

xpred =模型(x (: 1: end-1), u (:, 1: end-1),净);

损失= mse (xtarget xpred);

梯度= dlgradient(损失、net.Learnables);

结束

xpred =函数模型(x, u,净)

%模型xpred = x (t + 1) = f (x (t), u (t)) + f (x (t), u (2, t)), f是一个神经网络。

xpred =前进(净,x (1:), u(1:)) +转发(净,x (2:), u (2:));

结束

希望有帮助。

M。 2023年2月2日

非常感谢。

这是非常接近我在寻找什么。

的最后一件事是,我想是影响编写网络函数在连续时间内odeModel例子:

                                   y =双曲正切(theta.fc1。重量* y + theta.fc1.Bias);
                                  
                                   y = theta.fc2。重量* y + theta.fc2.Bias;

我例如试图取代你的例子“向前xpred =(净,x (1:), u(1:))”使用上面的线代替net.Learnablesθ。价值但当我试试这个代码我得到以下错误:

                                   一个输入参数可以有尺寸只有当其他输入参数是一个标签
                                  
                                   无格式标量。使用。* element-wise乘法。

知道为什么这是不工作吗?

再次感谢。

登录置评。

在回答这个问题。

类别

人工智能,数据科学和统计数据深度学习工具箱自动分化自定义训练循环

找到更多的在自定义训练循环在帮助中心和文件交换

社区寻宝

找到宝藏在MATLAB中央,发现社区如何帮助你!

开始狩猎!

相当于神经颂歌离散时间状态空间模型

0评论 显示1年长的评论藏1年长的评论

答案(1)

3评论 显示2年长的评论隐藏2年长的评论

另请参阅

类别

标签

社区寻宝

0评论
显示1年长的评论藏1年长的评论

3评论
显示2年长的评论隐藏2年长的评论