timedelaynet

Red neuronal de retardo de tiempo

Sintaxis

timedelaynet(inputDelays,hiddenSizes,trainFcn)

Descripción

timedelaynet(inputDelays,hiddenSizes,trainFcn) toma estos argumentos:

• Vector fila de retardos de entrada crecientes de valor 0 o positivos, inputDelays

• Vector fila con uno o más tamaños de capas ocultas, hiddenSizes

• Función de entrenamiento, trainFcn

y devuelve una red neuronal de retardo de tiempo.

Las redes de retardo de tiempo son similares a las redes prealimentadas, con la excepción de que el peso de la entrada tiene una línea de retardo en pulsación asociado. Esto permite a la red tener una respuesta dinámica finita a los datos de entrada de series de tiempo. Esta red también es similar a la red neuronal de retardo distribuido (distdelaynet), que tiene retardos en los pesos de la capa además del peso de entrada.

Ejemplos

Entrenar una red de retardo de tiempo y predecir con datos nuevos

En este ejemplo se muestra cómo entrenar una red de retardo de tiempo.

Divida el conjunto de entrenamiento. Utilice Xnew para llevar a cabo una predicción en un modo de lazo cerrado más adelante.

[X,T] = simpleseries_dataset;
Xnew = X(81:100);
X = X(1:80);
T = T(1:80);

Entrene una red de retardo de tiempo y haga una simulación con ella en las 80 primeras observaciones.

net = timedelaynet(1:2,10);
[Xs,Xi,Ai,Ts] = preparets(net,X,T);
net = train(net,Xs,Ts,Xi,Ai);

view(net)

Calcule el rendimiento de la red.

[Y,Xf,Af] = net(Xs,Xi,Ai);
perf = perform(net,Ts,Y);

Ejecute la predicción para las siguientes 20 unidades de tiempo en el modo de lazo cerrado.

[netc,Xic,Aic] = closeloop(net,Xf,Af);
view(netc)

y2 = netc(Xnew,Xic,Aic);

Argumentos de entrada

inputDelays — Retardos de entrada

[1:2] (predeterminado) | vector fila

Retardos de entrada cero o positivos, especificados como un vector fila creciente.

hiddenSizes — Tamaños ocultos

10 (predeterminado) | vector fila

Tamaños de las capas ocultas, especificados como un vector fila de uno o más elementos.

trainFcn — Nombre de la función de entrenamiento

'trainlm' (predeterminado) | 'trainbr' | 'trainbfg' | 'trainrp' | 'trainscg' | ...

Nombre de la función de entrenamiento, especificado como una de las siguientes opciones.

Función de entrenamiento	Algoritmo
'trainlm'	Levenberg-Marquardt
'trainbr'	Regularización bayesiana
'trainbfg'	BFGS quasi-Newton
'trainrp'	Retropropagación resiliente
'trainscg'	Gradiente conjugado escalado
'traincgb'	Gradiente conjugado con reinicios de Powell/Beale
'traincgf'	Gradiente conjugado de Fletcher-Powell
'traincgp'	Gradiente conjugado de Polak-Ribiére
'trainoss'	Secante de un paso
'traingdx'	Gradiente descendente de tasa de aprendizaje variable
'traingdm'	Gradiente descendente con momento
'traingd'	Gradiente descendente

Ejemplo: Por ejemplo, puede establecer el algoritmo de gradiente descendente de tasa de aprendizaje variable como el algoritmo de entrenamiento, de esta manera: 'traingdx'

Para obtener más información sobre las funciones de entrenamiento, consulte Train and Apply Multilayer Shallow Neural Networks y Choose a Multilayer Neural Network Training Function.

Tipos de datos: char

Historial de versiones

Introducido en R2010b

Consulte también

preparets | removedelay | distdelaynet | narnet | narxnet