如何使用創建的「網絡」神經網絡對象進行預測？

Question

我使用ntstool創建NAR（非線性自迴歸）網絡對象，通過訓練1x1247輸入向量。 （每日股價6年） 我已完成所有步驟並將生成的淨對象保存到工作區。

下面我就如何使用這個對象來預測例如T = 2000在y（t）的無能，（我訓練T的模式= 1：1247）

在一些其他線程，人推薦使用sim（net，t）函數 - 但是這會給我任何t值的結果。 （與net（t）函數相同）

Answer 1

我不熟悉特定的神經網絡命令，但我認爲您正以錯誤的方式處理這個問題。通常情況下，您想要及時對演化進行建模。你通過指定一個特定的窗口來做到這一點，比如3個月。

你現在正在訓練的是一個單輸入向量，它沒有關於進化的信息。你總是得到同樣的預測的原因是因爲你只用一個點來訓練（即使它是1247維，它仍然是1點）。

你可能想進行此類型的輸入向量（爲簡單起見，假設你用個月的工作）：

[month1 month2; month2 month 3; month3 month4] 

這個例子包含了3個月的進化2個培訓點。請注意它們重疊。

Answer 2

使用網絡 網絡經過培訓和驗證後，網絡對象可用於計算網絡對任何輸入的響應。例如，如果要在建築物數據集中查找對第五個輸入矢量的網絡響應，可以使用以下內容：a = net（houseInputs（：，5）） a = 34.3922 如果您嘗試此命令，您的輸出可能會有所不同，具體取決於網絡初始化時隨機數生成器的狀態。下面，調用網絡對象來計算外殼數據集中所有輸入向量的併發集合的輸出。這是模擬的批處理模式，其中所有輸入向量都放置在一個矩陣中。這比一次呈現一個矢量要有效得多。 a = net（houseInputs）;每次神經網絡被訓練時，由於不同的初始權重和偏差值以及不同的數據劃分到訓練，驗證和測試集中，可能導致不同的解決方案。因此，針對相同問題訓練的不同神經網絡可以爲相同輸入提供不同的輸出。爲了確保找到一個精確度好的神經網絡，重新訓練幾次。 如果需要更高的精度，還有其他幾種技術可以改進初始解決方案。有關更多信息，請參見改進神經網絡泛化並避免過度擬合。 strong text