NARX および時間遅れネットワークによるモデル化および予測

動的ニューラルネットワーク (フィードバックのあるネットワークを含む) を使用した時系列問題の解決

アプリ

動的ニューラルネットワークを使用した非線形時系列問題の求解

`ntstool`	ニューラルネット時系列アプリを開く
`view`	浅いニューラルネットワークの表示

`timedelaynet`	時間遅れニューラルネットワーク
`narxnet`	外部入力を伴う非線形自己回帰ニューラルネットワーク
`narnet`	非線形自己回帰ニューラルネットワーク
`layrecnet`	層再帰型ニューラルネットワーク
`distdelaynet`	分散型遅延ネットワーク

`train`	浅いニューラルネットワークの学習
`gensim`	浅層ニューラルネットワークのシミュレーション用の Simulink ブロックの生成
`adddelay`	ニューラルネットワークの応答への遅延の追加
`removedelay`	ニューラルネットワークの応答に対する遅延の削除
`closeloop`	ニューラルネットワークの開ループフィードバックを閉ループフィードバックに変換
`openloop`	ニューラルネットワークの閉ループフィードバックから開ループへの変換
`ploterrhist`	誤差のヒストグラムのプロット
`plotinerrcorr`	誤差時系列の相互相関への入力のプロット
`plotregression`	線形回帰のプロット
`plotresponse`	動的ネットワークの時系列応答のプロット
`ploterrcorr`	誤差時系列の自己相関のプロット
`genFunction`	浅層ニューラルネットワークのシミュレーション用の MATLAB 関数の生成

浅層ニューラルネットワークの時系列予測およびモデル化
ニューラルネット時系列アプリおよびコマンドライン関数を使用して、時系列予測を行う。
時系列時間遅れニューラルネットワークの設計
時系列予測のための集中時間遅れニューラルネットワーク (FTDNN) の設計を学習します。
ニューラルネットワークの複数ステップの予測
ニューラルネットワークの複数ステップの予測について学習します。
時系列 NARX フィードバックニューラルネットワークの設計
外生入力を伴う非線形自己回帰ネットワーク (NARX) を作成して学習を行います。
層再帰型ニューラルネットワークの設計
層再帰型ネットワーク (LRN) である動的ネットワークを作成して学習を行います。
浅いニューラルネットワーク関数の配布
MATLAB^® ツールを使用して、学習済みの浅いニューラルネットワークのシミュレーションと配布を行います。
浅いニューラルネットワークの学習の展開
浅いニューラルネットワークの学習を展開する方法を学習します。
磁気浮上のモデル化
この例では、NARX (外部入力を伴う非線形自己回帰) ニューラルネットワークによって磁気浮上動的システムをモデル化する方法を説明します。

並列計算および GPU コンピューティングを使用した浅層ニューラルネットワーク
ニューラルネットワークの学習とシミュレーションを高速化し、大規模データを処理するために、並列計算および分散コンピューティングを使用します。
ニューラルネットワーク学習時のチェックポイントの自動保存
長時間にわたる学習の実行の成果を保護するために、中間結果を保存します。
ニューラルネットワークの学習の速度とメモリの最適化
ニューラルネットワークの学習を効率化します。

動的ニューラルネットワークのしくみ
フィードフォワードネットワークおよび再帰型ネットワークのしくみについて学習します。
動的ニューラルネットワークでの複数シーケンス
複数の短いシーケンスで使用できる時系列データを管理します。
ニューラルネットワーク時系列ユーティリティ
ユーティリティ関数を使用したニューラルネットワークデータの取り扱いについて学びます。
浅いニューラルネットワーク用の標本データセット
浅いニューラルネットワークの機能を試す際に使用する標本データセットのリストを示します。
ニューラルネットワークオブジェクトのプロパティ
ネットワークの基本的特徴を定義するプロパティについて学習します。
ニューラルネットワークサブオブジェクトのプロパティ
入力、層、出力、ターゲット、バイアス、重みなど、ネットワークの詳細を定義するプロパティについて学習します。