Main Content

RegressionNeuralNetwork Predict

ニューラル ネットワーク回帰モデルを使用した応答の予測

  • ライブラリ:
  • Statistics and Machine Learning Toolbox / Regression

  • RegressionNeuralNetwork Predict Block Icon

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。

端子

入力

すべて展開する

予測子データ。1 つの観測値の行ベクトルまたは列ベクトルとして指定します。

依存関係

[x] の変数の順序は、[Select trained machine learning model] で指定されたモデルで学習済みの、予測子変数の順序と同じでなければなりません。

データ型: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

出力

すべて展開する

予測応答。スカラーとして返されます。

データ型: single | double | half | int8 | int16 | int32 | int64 | uint8 | uint16 | uint32 | uint64 | Boolean | fixed point

パラメーター

すべて展開する

メイン

RegressionNeuralNetwork オブジェクトまたは CompactRegressionNeuralNetwork オブジェクトを含むワークスペース変数の名前を指定します。

fitrnet を使用してモデルに学習させる場合、以下の制限が適用されます。

  • 予測子データにカテゴリカル予測子 (logicalcategoricalcharstring、または cell) を含めることはできません。学習データをテーブルで渡す場合、予測子は数値 (double または single) でなければなりません。また、名前と値の引数 CategoricalPredictors は使用できません。カテゴリカル予測子をモデルに含めるには、モデルを当てはめる前に dummyvar を使用してカテゴリカル予測子を前処理します。

プログラムでの使用

ブロック パラメーター: TrainedLearner
型: ワークスペース変数
値: RegressionNeuralNetwork オブジェクト | CompactRegressionNeuralNetwork オブジェクト
既定の設定: 'nnetMdl'

データ型

固定小数点が使用可能なパラメーター

固定小数点演算の丸めモードを指定します。詳細は、丸め (Fixed-Point Designer)を参照してください。

ブロック パラメーターは常に、最も近い表現可能な値に丸められます。ブロック パラメーターの丸めを制御するには、マスク フィールドに MATLAB® の丸め関数を使用して式を入力します。

プログラムでの使用

ブロック パラメーター: RndMeth
型: 文字ベクトル
値: 'Ceiling' | 'Convergent' | 'Floor' | 'Nearest' | 'Round' | 'Simplest' | 'Zero'
既定の設定: 'Floor'

オーバーフローの際に飽和するか折り返すかを指定します。

アクション理由オーバーフローの際の影響

このチェック ボックスをオンにする (on)。

モデルにオーバーフローの可能性があり、生成されたコードで明示的な飽和保護が必要である。

オーバーフローの際は、データ型が表現できる最小値または最大値に飽和します。

データ型 int8 (8 ビット負号付き整数) が表現できる最大値は 127 です。この最大値よりも大きいブロック演算結果は、8 ビット整数のオーバーフローを引き起こします。チェック ボックスをオンにすると、ブロック出力は 127 で飽和します。同様に、ブロック出力は最小出力値の -128 で飽和します。

このチェック ボックスをオフにする (off)。

生成されたコードの効率を最適化したい。

ブロックが範囲外の信号を処理する方法を過剰指定したくない。詳細は、信号範囲のエラーのトラブルシューティング (Simulink)を参照してください。

オーバーフローの際は、データ型が表現できる適切な値で折り返します。

データ型 int8 (8 ビット負号付き整数) が表現できる最大値は 127 です。この最大値よりも大きいブロック演算結果は、8 ビット整数のオーバーフローを引き起こします。チェック ボックスをオフにすると、オーバーフローを引き起こす値が int8 として解釈され、意図しない結果になる可能性があります。たとえば、130 (バイナリでは 1000 0010) というブロック結果が int8 として表現されると、-126 になります。

プログラムでの使用

ブロック パラメーター: SaturateOnIntegerOverflow
型: 文字ベクトル
値: 'off' | 'on'
既定の設定: 'off'

このパラメーターを選択して、ブロックに指定したデータ型を固定小数点ツールがオーバーライドしないようにします。詳細は、[出力データ型の設定をロックする] の使用 (Fixed-Point Designer)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: LockScale
型: 文字ベクトル
値: 'off' | 'on'
既定の設定: 'off'
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
: 文字ベクトル
: 'Inherit: auto' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | 'fixdt(1,16,0)' | 'fixdt(1,16,2^0,0)' | '<data type expression>'
既定の設定: 'Inherit: auto'

Simulink® がチェックする [yfit] 出力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。

メモ

[出力の最小値] パラメーターが、[yfit] の実際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。代わりに、Saturation (Simulink) ブロックを使用してください。

プログラムでの使用

ブロック パラメーター: OutMin
: 文字ベクトル
: '[]' | スカラー
既定の設定: '[]'

Simulink がチェックする [yfit] 出力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。

メモ

[出力の最大値] パラメーターが、[yfit] の実際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。代わりに、Saturation (Simulink) ブロックを使用してください。

プログラムでの使用

ブロック パラメーター: OutMax
: 文字ベクトル
: '[]' | スカラー
既定の設定: '[]'

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
: 文字ベクトル
: 'Inherit: Inherit via internal rule' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | '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。

Simulink は以下を実行するために最小値を使用します。

メモ

[Output layer minimum] 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
: 文字ベクトル
: '[]' | 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。

Simulink は以下を実行するために最大値を使用します。

メモ

[Output layer maximum] 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
: 文字ベクトル
: '[]' | 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][ブロック パラメーター]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
: 文字ベクトル
: 'Inherit: Inherit via internal rule' | 'double' | 'single' | 'half' | 'int8' | 'uint8' | 'int16' | 'uint16' | 'int32' | 'uint32' | 'int64' | 'uint64' | 'boolean' | 'fixdt(1,16)' | '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。

Simulink は以下を実行するために最小値を使用します。

メモ

[Layer 1 minimum] 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]ブロック パラメーター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
: 文字ベクトル
: '[]' | 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。

Simulink は以下を実行するために最大値を使用します。

メモ

[Layer 1 maximum] 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]ブロック パラメーター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
: 文字ベクトル
: '[]' | スカラー
既定の設定: '[]'

ブロックの特性

データ型

Boolean | double | fixed point | half | integer | single

直接フィードスルー

yes

多次元信号

no

可変サイズの信号

no

ゼロクロッシング検出

no

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

C/C++ コード生成
Simulink® Coder™ を使用して C および C++ コードを生成します。

固定小数点の変換
Fixed-Point Designer™ を使用して固定小数点システムの設計とシミュレーションを行います。

バージョン履歴

R2021b で導入