미래 응답을 예측하기 위해 어떤 가중치가 사용됩니까?

Question

나는 시계열 데이터 예측 작업을하고있다.

입력 신호가 일일 공기 중의 먼지 입자의 농도를 갖는 형식 (10x24) = 10 일이며, 하루에 24 개 값이 다음은

를 이용하여 (1240)의 벡터를 행하기 위해 변환된다

input = imresize(dust, [1, 10*24]); % converts matrix into vector 

가 내 네트워크를 훈련을 위해, 나는 모델 (: 5 : 3 1) 만든 (TANH, TANH) (0.05) (1) (500),

경우 3 = 입력, 5 숨겨진 레이어 신경 세포, 입력 숨겨진 레이어 및 숨겨진 출력 레이어에 대한 1 출력 레이어 (tanh 탄) 전달 함수, 학습 속도는 0.05, 1 = 바이어스 및 반복은 500입니다. 나는 훈련 된 네트워크를 얻고 추적은 절대적입니다.

층 가중치 미래 응답 예측에 사용될

(즉 입력 숨겨진 층 또는 숨겨진 출력 층) (숨겨진 입력) 그 치수 은닉층 = inputweights에

입력으로서 = 3 × 5 행렬 출력 레이어에 숨김 = outputwhts (출력, 숨김) = 1x5 행 벡터.

필자의 입력 데이터 가중치를 기반으로 24 가지 예측과 168 가지 예측을 예측하고 싶습니다.

Answer 1

입력 숨김 및 숨김 출력 가중치가 모두 예측에 포함됩니다. 신경망에 의한 예측은 항상 네트워크의 모든 가중치에 의존합니다.

크기 24의 예제를 예습하기 위해 네트워크 훈련을 사용하려는 것처럼 들리므로, 어떤 가중치 집합을 유지해야하는지 알고 싶습니다.

그 경우 (약간 불분명 함) 일반적으로 나쁜 소식은 네트워크의 입력 또는 출력 크기를 완전히 재교육하지 않으면 변경할 수 없다는 것입니다.

나의 충고는 각각의 24 가지 가치 예와 비슷한 168 가지 가치 예를 계산하고 그러한 예들에 대한 네트워크를 훈련시키는 것이다.