Esta página es para la versión anterior. La página correspondiente en inglés ha sido eliminada en la versión actual.

Modelado y predicción con redes NARX y redes de retardo de tiempo

Resuelva problemas de series de tiempo mediante redes neuronales dinámicas, incluidas redes con retroalimentación

Apps

Resolver problemas de series de tiempo no lineales utilizando redes neuronales dinámicas

`ntstool`	Abrir la app Neural Net Time Series
`view`	Visualizar una red neuronal superficial

`timedelaynet`	Red neuronal de retardo de tiempo
`narxnet`	Red neuronal autorregresiva no lineal con entrada externa
`narnet`	Red neuronal autorregresiva no lineal
`layrecnet`	Red neuronal recurrente de capas
`distdelaynet`	Red de retardo distribuido

`train`	Entrenar una red neuronal superficial
`gensim`	Generar un bloque de Simulink para la simulación de redes neuronales superficiales
`adddelay`	(To be removed) Add delay to neural network response
`removedelay`	(To be removed) Remove delay to neural network’s response
`closeloop`	Convertir la retroalimentación de lazo abierto de una red neuronal en una de lazo cerrado
`openloop`	Convertir la retroalimentación de lazo cerrado de una red neuronal a una de lazo abierto
`ploterrhist`	Representar un histograma de error
`plotinerrcorr`	(To be removed) Plot input to error time-series cross-correlation
`plotregression`	Representar una regresión lineal
`plotresponse`	Representar una respuesta de serie de tiempo de red dinámica
`ploterrcorr`	(To be removed) Plot autocorrelation of error time series
`genFunction`	(To be removed) Generate MATLAB function for simulating shallow neural network

Diseñar redes neuronales de retroalimentación NARX para series de tiempo
Cree y entrene una red autorregresiva no lineal con entradas exógenas (NARX).
Diseñar redes neuronales recurrentes de capas
Crear y entrenar una red dinámica que es una red recurrente de capas (LRN).

Configurar entradas y salidas de redes neuronales superficiales
Aprenda a configurar manualmente la red antes de entrenarla con la función configure.
Dividir datos para realizar un entrenamiento de red neuronal óptimo
Use funciones para dividir los datos en conjuntos de entrenamiento, validación y prueba.

Cómo funcionan las redes neuronales dinámicas
Descubra cómo funcionan las redes prealimentadas y recurrentes.
Secuencias múltiples con redes neuronales dinámicas
Gestione datos de series de tiempo disponibles en varias secuencias cortas.
Conjuntos de datos de muestra para redes neuronales superficiales
Lista de conjuntos de datos de muestra que se pueden utilizar al experimentar con redes neuronales superficiales.