このページの内容は最新ではありません。最新版の英語を参照するには、ここをクリックします。

linearlayer

線形層の作成

構文

layer = linearlayer(inputDelays,widrowHoffLR)

説明

layer = linearlayer(inputDelays,widrowHoffLR) は、増加する 0 または正の遅延から成る行ベクトル、および Widrow-Hoff 学習率を取り、線形層を返します。

線形層は、線形ニューロンから成る単一の層です。これは、入力遅延が 0 の場合は静的で、入力遅延が 0 より大きい場合は動的です。これは、シンプルな線形時系列問題として学習させることができますが、多くの場合、展開時にも学習を継続するように適応的に使用されます。これにより、使用中に入出力の関係が変化した場合、その変化に応じて調整できます。

学習率が小さすぎる場合、学習に時間がかかります。しかし、それよりもっと危険なのは、規模が非常に大きくなって学習が不安定になり、重みベクトルの変動が大きくなって誤差が減少せずに増加してしまうことです。層に学習させる関係を特徴付けるデータ セットを利用できる場合、関数 maxlinlr を使用して最大安定学習率を計算できます。

ネットワークが非線形時系列の関係を求解する必要がある場合は、timedelaynet、narxnet、および narnet を参照してください。

例

線形層の作成と学習

この例では、線形層の作成と学習を行う方法を説明します。

線形層を作成し、シンプルな時系列問題についての学習を行います。

x = {0 -1 1 1 0 -1 1 0 0 1};
t = {0 -1 0 2 1 -1 0 1 0 1};
net = linearlayer(1:2,0.01);
[Xs,Xi,Ai,Ts] = preparets(net,x,t);
net = train(net,Xs,Ts,Xi,Ai);

view(net)

Y = net(Xs,Xi);
perf = perform(net,Ts,Y)

perf = 0.2396

入力引数

inputDelays — 入力遅延

行ベクトル

増加する 0 または正の遅延。行ベクトルとして指定します。

widrowHoffLR — Widrow-Hoff 学習率

0.01 (既定値) | スカラー

Widrow-Hoff 学習率。スカラーとして指定します。

出力引数

layer — ネットワーク層

network

ネットワークの線形層。ネットワーク オブジェクトとして返されます。

バージョン履歴

R2010b で導入

参考

preparets | removedelay | timedelaynet | narnet | narxnet