ニューラル ネットワーク時系列ユーティリティ

時間シーケンス、同時バッチ、またはその両方の組み合わせから構成されるような、ニューラル ネットワーク データを扱う際に役立つユーティリティ関数は他にもあります。複数の信号が (複数の入力、出力、またはターゲット ベクトルなどに) 含まれていてもかまいません。次の図は、一般的なニューラル ネットワーク データ オブジェクトの構造を示しています。この例の場合、4 標本 (4 つのシーケンス) から成る 2 つの信号の、3 タイム ステップのバッチがあります。一方の信号には 2 つの要素があり、他方の信号には 3 つの要素があります。

次の表に、ニューラル ネットワーク データ用の便利なツールボックス ユーティリティ関数をいくつか示します。これらを使用すると加算、減算、乗算、除算などを行うことができます (cell 配列の加算と減算には標準的な定義がありませんが、ニューラル ネットワーク データではこれらの演算が明確に定義されており、次の関数で実装されています)。

関数	操作
gadd	ニューラル ネットワーク (nn) データを加算します。
gdivide	nn データを除算します。
getelements	指定された要素を nn データから選択します。
getsamples	指定された標本を nn データから選択します。
getsignals	指定された信号を nn データから選択します。
gettimesteps	指定されたタイム ステップを nn データから選択します。
gmultiply	nn データを乗算します。
gnegate	nn データの符号を反転させます。
gsubtract	nn データを減算します。
nndata	指定されたサイズの nn データ オブジェクトを作成します。値には、ランダムな値または定数が割り当てられます。
nnsize	nn データ オブジェクト内の要素数、標本数、タイム ステップ数、および信号数を返します。
numelements	nn データの要素数を返します。
numsamples	nn データの標本数を返します。
numsignals	nn データの信号数を返します。
numtimesteps	nn データのタイム ステップ数を返します。
setelements	nn データの指定された要素を設定します。
setsamples	nn データの指定された標本を設定します。
setsignals	nn データの指定された信号を設定します。
settimesteps	nn データの指定されたタイム ステップを設定します。

また、動的ネットワーク用の便利なプロット関数および解析関数のいくつかを次の表に示します。これらの関数の使用例は、Deep Learning Toolbox 入門にあります。

関数	操作
ploterrcorr	誤差の自己相関関数をプロットします。
plotinerrcorr	誤差と入力との相互相関をプロットします。
plotresponse	ネットワークの出力とターゲットを時間に対してプロットします。