如何使用创建的“网络”神经网络对象进行预测？

Question

我使用ntstool创建NAR（非线性自回归）网络对象，通过训练1x1247输入向量。 （每日股价6年） 我已完成所有步骤并将生成的净对象保存到工作区。

下面我就如何使用这个对象来预测例如T = 2000在y（t）的无能，（我训练T的模式= 1：1247）

在一些其他线程，人推荐使用sim（net，t）函数 - 但是这会给我任何t值的结果。 （与net（t）函数相同）

Answer 1

我不熟悉特定的神经网络命令，但我认为您正以错误的方式处理这个问题。通常情况下，您想要及时对演化进行建模。你通过指定一个特定的窗口来做到这一点，比如3个月。

你现在正在训练的是一个单输入向量，它没有关于进化的信息。你总是得到同样的预测的原因是因为你只用一个点来训练（即使它是1247维，它仍然是1点）。

你可能想进行此类型的输入向量（为简单起见，假设你用个月的工作）：

[month1 month2; month2 month 3; month3 month4] 

这个例子包含了3个月的进化2个培训点。请注意它们重叠。

Answer 2

使用网络 网络经过培训和验证后，网络对象可用于计算网络对任何输入的响应。例如，如果要在建筑物数据集中查找对第五个输入矢量的网络响应，可以使用以下内容：a = net（houseInputs（：，5）） a = 34.3922 如果您尝试此命令，您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外壳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，其中所有输入向量都放置在一个矩阵中。这比一次呈现一个矢量要有效得多。 a = net（houseInputs）;每次神经网络被训练时，由于不同的初始权重和偏差值以及不同的数据划分到训练，验证和测试集中，可能导致不同的解决方案。因此，针对相同问题训练的不同神经网络可以为相同输入提供不同的输出。为了确保找到一个精确度好的神经网络，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。有关更多信息，请参见改进神经网络泛化并避免过度拟合。 strong text