Main Content

La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

preparets

Preparar datos de series de tiempo de entrada y objetivo para simulación o entrenamiento de red

contraer todo en la página

Sintaxis

[Xs,Xi,Ai,Ts,EWs,shift] = preparets(net,Xnf,Tnf,Tf,EW)

Descripción

[Xs,Xi,Ai,Ts,EWs,shift] = preparets(net,Xnf,Tnf,Tf,EW) toma estos argumentos:

  • net: red neuronal

  • Xnf: entradas sin retroalimentación

  • Tnf: objetivos sin retroalimentación

  • Tf: objetivos de retroalimentación

  • EW: pesos de errores (opcional)

y devuelve estos argumentos:

  • Xs: entradas desplazadas

  • Xi: estados de retardo de entrada iniciales

  • Ai: estados de retardo de capa iniciales

  • Ts: objetivos desplazados

  • EWs: pesos de errores desplazados

  • shift: el número de unidades de tiempo truncadas desde delante de X y T para rellenar adecuadamente Xi y Ai.

Esta función simplifica la tarea de volver a establecer el formato de las series de tiempo de entrada y objetivo, una tarea normalmente compleja y propensa a errores. Desplaza automáticamente las series de tiempo de entrada y objetivo tantos pasos como sea necesario para llenar los estados de entrada y retardo de capa iniciales. Si la red cuenta con retroalimentación de lazo abierto, copia los objetivos de retroalimentación en las entradas según sea necesario para definir las entradas de lazo abierto.

Cada vez que se diseña una nueva red con diferentes números de retardos o ajustes de retroalimentación, preparets puede volver a establecer el formato de los datos de entrada y objeto en consecuencia. Además, cada vez que una red se transforma con openloop, closeloop, removedelay o adddelay, esta función puede volver a establecer el formato de los datos en consecuencia.

ejemplo

Ejemplos

contraer todo

Abrir script en vivo

Este ejemplo muestra cómo preparar datos para redes de lazo abierto y lazo cerrado.

Cree una red de retardo de tiempo con 20 neuronas ocultas y, después, entrénela y simúlela.

[X,T] = simpleseries_dataset;
net = timedelaynet(1:2,20);
[Xs,Xi,Ai,Ts] = preparets(net,X,T);
net = train(net,Xs,Ts);
view(net)

Y = net(Xs,Xi,Ai);

Diseñe una red NARX. La red NARX cuenta con una entrada estándar y una salida de retroalimentación de lazo abierto a una entrada de retroalimentación asociada.

[X,T] = simplenarx_dataset;
net = narxnet(1:2,1:2,20);
[Xs,Xi,Ai,Ts] = preparets(net,X,{},T);
net = train(net,Xs,Ts,Xi,Ai);

Figure Neural Network Training (25-Jan-2024 15:29:03) contains an object of type uigridlayout.

view(net)

y = net(Xs,Xi,Ai);

Ahora convierta la red a lazo cerrado y vuelva a establecer el formato de los datos para simular la respuesta en lazo cerrado de la red.

net = closeloop(net);
view(net)

[Xs,Xi,Ai] = preparets(net,X,{},T);
y = net(Xs,Xi,Ai);

Argumentos de entrada

contraer todo

Red de entrada, especificada como un objeto de red. Para crear un objeto de red, use feedforwardnet o narxnet, por ejemplo.

Datos de entrada sin retroalimentación (entradas no asociadas a una salida de retroalimentación de lazo abierto), especificados como un arreglo de celdas.

Datos objetivo para salidas sin retroalimentación, especificados como un arreglo de celdas.

Datos objetivo para salidas con retroalimentación, especificados como un arreglo de celdas.

Pesos de errores, especificados como un arreglo de celdas.

Argumentos de salida

contraer todo

Entradas desplazadas, devueltas como un arreglo de celdas.

Estados de retardo de entrada iniciales, devueltos como un arreglo de celdas.

Estados de retardo de capa iniciales, devueltos como un arreglo de celdas.

Objetivos desplazados, devueltos como un arreglo de celdas.

Pesos de errores desplazados, devueltos como un arreglo de celdas.

Número de unidades de tiempo truncadas desde delante de X y T para rellenar adecuadamente Xi y Ai, devuelto como un escalar.

Historial de versiones

Introducido en R2010b

Consulte también

| | | | | |