matlab - 如何使用创建的“网络”神经网络对象进行预测？

Question

我使用ntstool通过在 1x1247 输入向量上进行训练来创建 NAR（非线性自回归）网络对象。（6 年的每日股票价格）我已完成所有步骤并将生成的网络对象保存到工作区。

现在我不知道如何使用这个对象来预测 y(t)，例如 t = 2000，（我训练了 t = 1:1247 的模型）

在其他一些线程中，人们建议使用 sim(net, t) 函数 - 但是对于任何 t 值，这都会给我相同的结果。（与 net(t) 函数相同）

Answer 1

我不熟悉具体的神经网络命令，但我认为你以错误的方式处理这个问题。通常，您希望对时间演变进行建模。你可以通过指定一个特定的窗口来做到这一点，比如 3 个月。

你现在训练的是一个单一的输入向量，它没有关于时间进化的信息。您总是得到相同预测的原因是因为您只使用了一个点进行训练（即使它是 1247 维，它仍然是 1 个点）。

您可能想要制作这种性质的输入向量（为简单起见，假设您正在使用几个月）：

[month1 month2; month2 month 3; month3 month4]

这个例子包含 2 个训练点，进化了 3 个月。请注意，它们重叠。

Answer 2

使用网络 网络经过训练和验证后，网络对象可用于计算网络对任何输入的响应。例如，如果你想在建筑数据集中找到对第五个输入向量的网络响应，你可以使用下面的 a = net(houseInputs(:,5)) a = 34.3922 如果你尝试这个命令，你的输出可能会有所不同，具体取决于网络初始化时随机数生成器的状态。下面，调用网络对象来计算住房数据集中所有输入向量的并发集合的输出。这是模拟的批处理模式形式，其中所有输入向量都放在一个矩阵中。这比一次呈现一个向量要有效得多。a = 净（houseInputs）；每次训练一个神经网络，由于不同的初始权重和偏差值以及将数据划分为训练集、验证集和测试集的不同，可能会导致不同的解决方案。因此，针对同一问题训练的不同神经网络可以为同一输入提供不同的输出。为确保找到具有良好准确性的神经网络，请重新训练几次。如果需要更高的精度，还有其他几种技术可以改进初始解决方案。有关详细信息，请参阅改进神经网络泛化和避免过度拟合。强文本 再训练几次。如果需要更高的精度，还有其他几种技术可以改进初始解决方案。有关详细信息，请参阅改进神经网络泛化和避免过度拟合。强文本 再训练几次。如果需要更高的精度，还有其他几种技术可以改进初始解决方案。有关详细信息，请参阅改进神经网络泛化和避免过度拟合。强文本