RegressionNeuralNetwork Predict
ライブラリ:
Statistics and Machine Learning Toolbox /
Regression
説明
RegressionNeuralNetwork Predict ブロックは、ニューラル ネットワーク回帰オブジェクト (RegressionNeuralNetwork または CompactRegressionNeuralNetwork) を使用して応答を予測します。
オブジェクトを含むワークスペース変数の名前を指定することにより、学習済みの回帰オブジェクトをブロックにインポートします。入力端子 x では観測値 (予測子データ) を受信し、出力端子 yfit では観測値の予測応答を返します。
例
RegressionNeuralNetwork Predict ブロックの使用による応答の予測
ニューラル ネットワーク回帰モデルの学習を行い、RegressionNeuralNetwork Predict ブロックを応答予測に使用する。
端子
入力
出力
パラメーター
メイン
データ型
固定小数点が使用可能なパラメーター
データ型
yfit 出力のデータ型を指定します。データ型は継承するか、直接指定するか、Simulink.NumericType のようにデータ型オブジェクトとして表現することができます。
[Inherit: auto] を選択すると、ブロックはデータ型を継承するルールを使用します。
データ型の詳細については、信号のデータ型の制御 (Simulink)を参照してください。
[データ型アシスタントを表示] ボタン 
をクリックすると、[データ型アシスタント] が表示されます。これは、データ型の属性を設定する際に役立ちます。詳細は、データ型アシスタントを利用したデータ型の指定 (Simulink)を参照してください。
プログラムでの使用
ブロック パラメーター: OutDataTypeStr |
| 型: 文字ベクトル |
値: "Inherit: auto" | "double" | "single" | "half" | "int8" | "uint8" | "int16" | "uint16" | "int32" | "uint32" | "int64" | "uint64" | "boolean" | "fixdt(1,16,0)" | "fixdt(1,16,2^0,0)" | "<data type expression>" |
既定の設定: "Inherit: auto" |
出力層のデータ型を指定します。データ型は継承するか、直接指定するか、Simulink.NumericType のようにデータ型オブジェクトとして表現することができます。
[継承: 内部ルールによる継承] を選択した場合、ブロックは内部ルールを使用して、出力データ型を決定します。内部ルールでは、組み込みターゲット ハードウェアのプロパティを考慮しながら、数値の精度、パフォーマンス、および生成されたコードのサイズを最適化するデータ型が選択されます。常に効率と数値の精度を同時に最適化できるとは限りません。
データ型の詳細については、信号のデータ型の制御 (Simulink)を参照してください。
[データ型アシスタントを表示] ボタン をクリックすると、[データ型アシスタント] が表示されます。これは、データ型の属性を設定する際に役立ちます。詳細は、データ型アシスタントを利用したデータ型の指定 (Simulink)を参照してください。
プログラムでの使用
ブロック パラメーター: OutputLayerDataTypeStr |
| 型: 文字ベクトル |
値: 'Inherit: Inherit via internal rule' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
既定の設定: 'Inherit: Inherit via internal rule' |
Simulink がチェックする出力層にある内部変数範囲の下限値を指定します。
Simulink は以下を実行するために最小値を使用します。
一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。
シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。
モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、ソフトウェアインザループ (SIL) モードやエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。
メモ
[出力層のデータ型、最小値] パラメーターが、出力層の値の信号を飽和させたり、クリップしたりすることはありません。
プログラムでの使用
ブロック パラメーター: OutputLayerOutMin |
| 型: 文字ベクトル |
値: '[]' | スカラー |
既定の設定: '[]' |
Simulink がチェックする出力層にある内部変数範囲の上限値を指定します。
Simulink は以下を実行するために最大値を使用します。
一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。
シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。
モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、SIL やエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。
メモ
[出力層のデータ型、最大値] パラメーターが、出力層の値の信号を飽和させたり、クリップしたりすることはありません。
プログラムでの使用
ブロック パラメーター: OutputLayerOutMax |
| 型: 文字ベクトル |
値: '[]' | スカラー |
既定の設定: '[]' |
最初の層のデータ型を指定します。データ型は継承するか、直接指定するか、Simulink.NumericType のようにデータ型オブジェクトとして表現することができます。
[継承: 内部ルールによる継承] を選択した場合、ブロックは内部ルールを使用して、データ型を決定します。内部ルールでは、組み込みターゲット ハードウェアのプロパティを考慮しながら、数値の精度、パフォーマンス、および生成されたコードのサイズを最適化するデータ型が選択されます。常に効率と数値の精度を同時に最適化できるとは限りません。
データ型の詳細については、信号のデータ型の制御 (Simulink)を参照してください。
[データ型アシスタントを表示] ボタン をクリックすると、[データ型アシスタント] が表示されます。これは、データ型の属性を設定する際に役立ちます。詳細は、データ型アシスタントを利用したデータ型の指定 (Simulink)を参照してください。
ヒント
学習させたニューラル ネットワークは、出力層を除き、複数の全結合層をもつことができます。
最初の 10 層に対する個々の層についてデータ型を指定できます。各層にデータ型 [Layer n data type] を指定します。最初の層のデータ型は [Layer 1 data type]、2 番目の層のデータ型は [Layer 2 data type] のようになります。
データ型 [Additional layer(s) data type] を使用して、層 11 のデータ型を k に指定できます。k は層の総数です。[Additional layer(s) data type] の [ブロック パラメーター] は
Layer11DataTypeStrです。データ型 [Layer n data type] および [Additional layer(s) data type] は、継承するか、直接指定するか、
Simulink.NumericTypeのようにデータ型オブジェクトとして表現できます。これらのデータ型は、[Layer 1 data type] と同じ値をサポートします。
プログラムでの使用
ブロック パラメーター: Layer1DataTypeStr |
| 型: 文字ベクトル |
値: 'Inherit: Inherit via internal rule' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>' |
既定の設定: 'Inherit: Inherit via internal rule' |
Simulink がチェックする最初の層にある内部変数範囲の下限値を指定します。
Simulink は以下を実行するために最小値を使用します。
一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。
シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。
モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、ソフトウェアインザループ (SIL) モードやエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。
メモ
[層 1 のデータ型、最小値] パラメーターが、最初の層における値の信号を飽和させたり、クリップしたりすることはありません。
ヒント
学習させたニューラル ネットワークは、出力層を除き、複数の全結合層をもつことができます。
最初の 10 層に対して、Simulink がチェックする個々の層にある内部変数範囲の下限値を指定できます。各層に下限値 [Layer n minimum] を指定します。最初の層の最小値は [Layer 1 minimum]、2 番目の層の最小値は [Layer 2 minimum] のようになります。
[Additional layer(s) minimum] を使用して、層 11 の下限値を k に指定できます。k は層の総数です。[Additional layer(s) minimum] のブロック パラメーターは
Layer11OutMinです。[Layer n minimum] および [Additional layer(s) minimum] は、[Layer 1 minimum] と同じ値をサポートします。
プログラムでの使用
ブロック パラメーター: Layer1OutMin |
| 型: 文字ベクトル |
値: '[]' | スカラー |
既定の設定: '[]' |
Simulink がチェックする最初の層にある内部変数範囲の上限値を指定します。
Simulink は以下を実行するために最大値を使用します。
一部のブロックを対象としたパラメーター範囲のチェック (ブロック パラメーターの最小値と最大値の指定 (Simulink)を参照)。
シミュレーション範囲のチェック (信号範囲の指定 (Simulink)およびシミュレーション範囲のチェックの有効化 (Simulink)を参照)。
モデルから生成するコードの最適化。この最適化により、アルゴリズム コードが削除され、SIL やエクスターナル モードなど、一部のシミュレーション モードの結果に影響を与える可能性があります。詳細は、Optimize using the specified minimum and maximum values (Embedded Coder)を参照してください。
メモ
[層 1 のデータ型、最大値] パラメーターが、最初の層における値の信号を飽和させたり、クリップしたりすることはありません。
ヒント
学習させたニューラル ネットワークは、出力層を除き、複数の全結合層をもつことができます。
最初の 10 層に対して、Simulink がチェックする個々の層にある内部変数範囲の上限値を指定できます。各層に上限値 [Layer n maximum] を指定します。最初の層の最大値は [Layer 1 maximum]、2 番目の層の最大値は [Layer 2 maximum] のようになります。
[Additional layer(s) maximum] を使用して、層 11 の上限値を k に指定できます。k は層の総数です。[Additional layer(s) maximum] のブロック パラメーターは
Layer11OutMaxです。[Layer n maximum] および [Additional layer(s) maximum] は、[Layer 1 maximum] と同じ値をサポートします。
プログラムでの使用
ブロック パラメーター: Layer1OutMax |
| 型: 文字ベクトル |
値: '[]' | スカラー |
既定の設定: '[]' |
ブロックの特性
データ型 |
|
直達 |
|
多次元信号 |
|
可変サイズの信号 |
|
ゼロクロッシング検出 |
|
詳細
代替機能
MATLAB Function ブロックをニューラル ネットワーク回帰オブジェクト (RegressionNeuralNetwork または CompactRegressionNeuralNetwork) のオブジェクト関数 predict と共に使用できます。たとえば、MATLAB Function ブロックの使用によるクラス ラベルの予測を参照してください。
Statistics and Machine Learning Toolbox™ ライブラリ内の RegressionNeuralNetwork Predict ブロックを使用するかどうか、または MATLAB Function ブロックを関数 predict と共に使用するかどうかを判断する際には、以下を考慮してください。
Statistics and Machine Learning Toolbox ライブラリ ブロックを使用する場合、固定小数点ツール (Fixed-Point Designer)を使用して浮動小数点モデルを固定小数点に変換できます。
MATLAB Function ブロックを関数
predictと共に使用する場合は、可変サイズの配列に対するサポートを有効にしなければなりません。MATLAB Function ブロックを使用する場合、予測の前処理や後処理のために、同じ MATLAB Function ブロック内で MATLAB 関数を使用することができます。
拡張機能
バージョン履歴
R2021b で導入
