Matlab神经网络 - 除法作为divideFcn

我正在做的时间序列预测与Matlab的神经网络工具箱使用层的经常性网络（layrecnet）与layerDelays = 1:2和hiddenSize = 5（我已经使用其他几个大小为一个隐藏层类似的结果）。我修改了网络采取多个输入（最多5或10）和相关的更改为net.inputConnect，它的工作原理（也就是说，我可以训练它有很好的结果）。Matlab神经网络 - 除法作为divideFcn

只要我改变divideFcn从默认到divideblock它不再工作，给我这个错误在运行train功能：

Error in divideblock>divide_indices (line 108) 
    testInd = (1:numTest)+valInd(end); 

Error in divideblock (line 65) 
    [out1,out2,out3] = divide_indices(in1,params); 

Error in nntraining.setup (line 176) 
     [trainInd,valInd,testInd] = 
     feval(net.divideFcn,Q,net.divideParam); 

Error in network/train (line 292) 
    [net,rawData,tr,err] = 
    nntraining.setup(net,net.trainFcn,X,Xi,Ai,T,EW,~isGPUArray);

通过调试模式下，我发现valInd是一个空数组，这由（内置）nntraining.setup()函数中的值Q确定。 Q由我无法访问的另一个函数（nntraining.config）设置。现在，显然我不认为这些函数中存在错误，但我试图通过追溯问题来找出错误。现在我在墙上。

这可以归结为两个问题

我想用divideblock代替dividerand因为我想层延迟利用信号的时间结构的（这是高度周期性 - 时腿关节角度步行）。我错认为dividerand将无法利用这个时间结构？
train函数是如何与divideblock交互的，这意味着我需要改变一些关于我的数据格式的内容吗？

非常感谢！

来源

2014-04-01 dpbont

问题出在网络的divideMode参数。静态网络的默认值为'sample'，动态网络为'time'。我还没有找到两者之间区别的明确解释，但是当我初始化一个layrecnet（一个层次递归网络，假设是一个动态网络）时，它将初始化为'sample'而不是'time'。因此，它没有将数据分成训练，验证和测试集，而是对整个输入进行了培训。在安装过程中手动更改该值可解决问题。

从工具箱文档：

该属性定义了目标数据的尺寸时，数据分割函数被调用，其瓜分。

就时间序列数据而言，这似乎与跨时间和跨期试验的分裂相关，可以这么说。也就是说，如果数据是作为一组并行试验输入的（“并发”和“顺序”是用于NN输入的数据类型）并且divideMode被设置为'sample'，它将选择用于训练vs.验证的试验的子集vs测试。如果有人看到这个，可以提供更清晰的解释，请做。

来源

2014-04-03 01:05:06 dpbont

感谢您记录您的答案;我遇到过同样的问题。 – mhopeng

对于动态网络（如layrecnet）应该使用此代码为块数据分割：

net.divideFcn = 'divideblock'; ％使用指数块将目标分成三组

net.divideParam.trainRatio = 0.6;培训目标比例。默认值= 0.7。

net.divideParam.valRatio = 0.2; ％验证目标比例。默认= 0.15。

net.divideParam.testRatio = 0.2; ％测试目标比例。默认= 0.15。

net.divideMode ='time';动态网络的'时间'或静态网络的'样本'

来源

2014-08-15 18:36:13

Matlab神经网络 - 除法作为divideFcn

回答

相关问题