timedelaynet

时滞神经网络

全页折叠

语法

timedelaynet(inputDelays,hiddenSizes,trainFcn)

说明

timedelaynet(inputDelays,hiddenSizes,trainFcn) 接受以下参量：

  • 由从 0 或正值开始递增的输入延迟组成的行向量，inputDelays

  • 由一个或多个隐藏层大小组成的行向量，hiddenSizes

  • 训练函数，trainFcn

并返回一个时滞神经网络。

时滞网络与前馈网络类似，不同之处在于其输入权重有一个与之关联的抽头延迟线。这使得网络对时间序列输入数据具有有限的动态响应。此网络还类似于分布延迟神经网络 (distdelaynet)，后者除了在输入权重上有延迟之外，在层权重上也有延迟。

示例

示例

全部折叠

打开实时脚本

此示例说明如何训练时滞网络。

对训练集进行分区。稍后使用 Xnew 在闭环模式下进行预测。

[X,T] = simpleseries_dataset;
Xnew = X(81:100);
X = X(1:80);
T = T(1:80);

训练一个时滞网络，并对前 80 个观测值进行仿真。

net = timedelaynet(1:2,10);
[Xs,Xi,Ai,Ts] = preparets(net,X,T);
net = train(net,Xs,Ts,Xi,Ai);

Figure Neural Network Training (09-Aug-2025 13:40:46) contains an object of type uigridlayout.

view(net)

计算网络性能。

[Y,Xf,Af] = net(Xs,Xi,Ai);
perf = perform(net,Ts,Y);

在闭环模式下运行向前 20 个时间步的预测。

[netc,Xic,Aic] = closeloop(net,Xf,Af);
view(netc)

y2 = netc(Xnew,Xic,Aic);

输入参数

全部折叠

零或正输入延迟，指定为递增的行向量。

隐藏层的大小，指定为由一个或多个元素组成的行向量。

训练函数名称，指定为下列各项之一。

训练函数算法
'trainlm'

莱文贝格-马夸特

'trainbr'

贝叶斯正则化

'trainbfg'

BFGS 拟牛顿

'trainrp'

弹性反向传播

'trainscg'

量化共轭梯度

'traincgb'

带鲍威尔/比尔重启的共轭梯度

'traincgf'

弗莱彻-鲍威尔共轭梯度

'traincgp'

波拉克-里比埃尔共轭梯度

'trainoss'

单步正割

'traingdx'

可变学习率梯度下降

'traingdm'

带动量的梯度下降

'traingd'

梯度下降

示例: 例如，您可以将可变学习率梯度下降算法指定为训练算法，如下所示：'traingdx'

有关训练函数的详细信息，请参阅训练与应用多层浅层神经网络和选择多层神经网络训练函数。

数据类型: char

版本历史记录

在 R2010b 中推出

另请参阅

| | | |