主要内容

有状态的预测

使用递归神经网络训练预测反应

自从R2021a

扩展所有的页面
  • 有状态的预测块

库:
深度学习神经网络工具箱/深

描述

的有状态的预测预测反应的数据块的输入通过使用指定的递归神经网络训练块参数。这个块允许加载pretrained网络仿真软件万博1manbetx®从MAT-file或MATLAB模型®函数。这个街区更新网络状态的预测落空。

递归神经网络的状态重置为其初始状态,放置有状态的预测块内复位子系统(万博1manbetx模型)块并使用重置控制信号触发。

例子

在模型预测和更新网络状态万博1manbetx

在模型预测和更新网络状态万博1manbetx

预测反应的递归神经网络训练仿真软件®使用万博1manbetx有状态的预测块。这个示例使用pretrained长短期记忆(LSTM)网络。
打开脚本

港口

输入

全部展开

的输入端口有状态的预测块需要网络的输入层的名称加载。基于网络加载,预测块的输入可以顺序或时间序列数据。

数值数组包含序列的尺寸取决于类型的数据。

输入 描述
向量序列 c——- - - - - -年代矩阵,c的特征序列的数量和吗年代是序列长度。
二维图像序列 h——- - - - - -w——- - - - - -c——- - - - - -年代数组,h,w,c对应的高度、宽度和通道的图像,分别年代是序列长度。

输出

全部展开

的输出端口有状态的预测块需要网络的输出层的名称加载。基于网络负载,输出的有状态的预测块可以表示预测成绩或反应。

sequence-to-label分类,输出是一个N——- - - - - -K矩阵,N是观测的数量,和K类的数量。

sequence-to-sequence分类问题,输出是一个K——- - - - - -年代得分矩阵,K类的数量,年代是时间的总数在相应的输入序列的步骤。

参数

全部展开

指定源递归神经网络的训练。必须至少有一个反复训练网络层(例如,一个LSTM网络)。选择下列之一:

  • 网络从MAT-file-从MAT-file导入一个递归神经网络训练出一个包含一个SeriesNetwork,DAGNetwork,或dlnetwork对象。

  • 网络从MATLAB函数递归神经网络——进口pretrained从MATLAB函数。

编程使用

块参数:网络
类型:特征向量,字符串
价值观:“网络从MAT-file”|“网络从MATLAB函数”
默认值:“网络从MAT-file”

该参数指定的名称包含递归神经网络训练MAT-file加载。如果文件不是MATLAB路径,使用浏览按钮来定位文件。

依赖关系

要启用该参数,设置网络参数网络从MAT-file。

编程使用

块参数:NetworkFilePath
类型:特征向量,字符串
价值观:MAT-file路径或名称
默认值:“untitled.mat”

该参数指定的名称的MATLAB函数pretrained复发性神经网络。

依赖关系

要启用该参数,设置网络参数网络从MATLAB函数。

编程使用

块参数:NetworkFunction
类型:特征向量,字符串
价值观:MATLAB函数名
默认值:“无题”

的样品时间参数指定当块计算一个新的输出值在模拟。有关详细信息,请参见指定样品时间(万博1manbetx模型)。

指定样品时间参数作为标量当你不希望输出时间偏移量。时间偏移量添加到输出,指定样品时间参数作为一个1——- - - - - -2向量的第一个元素是采样周期,第二个元素是偏移量。

默认情况下,样品时间参数值是1继承的值。

编程使用

块参数:SampleTime
类型:特征向量
价值观:标量|向量
默认值:' 1 '

扩展功能

版本历史

介绍了R2021a

另请参阅

||