Я применил свой код к данным simplenarx_dataset. Для этого я выполнил следующие шаги:
1 — Я сделал пики автокорреляции и кросс-корреляции, чтобы увидеть, что это дает нам больше информации. ID = 1, FD = 1
2 — я нашел H, где H = 5
3 — Я создал сеть и оценил детали. Хотя цель этого поста не в том, чтобы оценить детали, а в том, чтобы понять, почему вы видите задержку ответа при выполнении closeloop, а в общедоступных деталях и коде. В случае чрезвычайной ситуации есть какая-то другая ошибка: Мой код выглядит следующим образом (я использовал 80 данных для обучение сети и 20 для проверки с помощью closeloop):
p=p’;
t=t’;
p1=p(1:1,1:80);
р2=р(1:1,81:конец);
t1=t(1,1:80);
t2=t(1,81:конец);
inputSeries = tonndata (p1, правда, ложь);
targetSeries = tonndata(t1,true,false);
входные задержки = 1:1;
обратная связьЗадержки = 1:1;
размер скрытого слоя = 5;
net = narxnet (inputDelays, feedbackDelays, hiddenLayerSize);
[inputs, inputStates, layerStates, target] = preparets (net, inputSeries, {}, targetSeries);
net.divideFcn='разделить блок';
net.divideParam.trainRatio=0,70;
net.divideParam.valRatio=0,15;
net.divideParam.testRatio=0,15;
[IN]=размер(p1);
[O N]=размер(t1);
N=N-1;
Neq=N*O;
ID=1;
FD=1;
Nw = (ID*I+FD*O+1)*hiddenLayerSize+(hiddenLayerSize+1)*O;
Ntrneq = N-2*раунд(0,15*N);
Ndof=Ntrneq-Nw;
ttotal=t1(1,1:N);
MSE00 = среднее (var (ttotal, 1));
MSE00a=среднее (var(ttotal,0));
t3=t(1,1:N);
[trainInd, valInd, testInd] = разделяемый блок (t3, 0,7, 0,15, 0,15);
MSEtrn00 = среднее (вар (trainInd, 1));
MSEtrn00a=mean(var(trainInd,0));
MSEval00 = среднее (вар (valInd, 1));
MSEtst00 = среднее (вар (testInd, 1));
net.trainParam.goal = 0,01*Ndof*MSEtrn00a/Ntrneq;
[net,tr,Ys,Es,Xf,Af] = train(net,inputs,targets,inputStates,layerStates);
выходы = сеть (входы, inputStates, LayerStates);
ошибки = gsubtract (цели, выходы);
MSE = выполнить (сеть, цели, результаты);
MSEa=Neq*MSE/(Neq-Nw);
R2=1-МСЭ/МСЭ00;
R2a=1-MSEa/MSE00a;
MSEtrn=tr.perf(конец);
MSEval=tr.vperf(конец);
MSEtst=tr.tperf(конец);
R2trn=1-MSEtrn/MSEtrn00;
R2trna=1-MSEtrn/MSEtrn00a;
R2val=1-MSEval/MSEval00;
R2tst=1-MSEtst/MSEtst00;
и мои результаты:
ID=1
FD=1
H=5
N=79
Nдоф=34
Некв=79
Ntrneq=55
Nw=21
O=1
I=1
R2=0.8036
R2a=0.7347
R2трн=0,8763
R2трна=0,8786
R2val=0,7862
R2tст=0,7541
Как я упоминал ранее, я не буду уделять много внимания точности ответа, но позже. Код, который я применил для closeloop, был:
сеть = замкнутый цикл (сеть);
netc.name = [net.name ' — Замкнутый цикл'];
вид (нетк)
Количество прогнозов = 15;
s=cell2mat(inputSeries);
t4=cell2mat(целевая серия);
a=s(1:1,79:80);
b=p2(1:1,1:15);
новыйInputSeries=[а б];
c=t4(1,80);
д = нан (1,16);
новыйTargetSet=[с д];
newInputSeries = tonndata (newInputSeries, правда, ложь);
newTargetSet=tonndata(newTargetSet,true,false);
[xc,xic,aic,tc] = preparets(netc,newInputSeries,{},newTargetSet);
yPredicted = sim(netc,xc,xic,aic);
w=cell2mat(yPredicted);
plot(cell2mat(yPredicted),'DisplayName','cell2mat(yPredicted)','YdataS
ource’,’cell2mat(yPredicted)’);figure(gcf)
сюжет(t2,’r’,’DisplayName’,’targetsComprobacion’)
Подожди
сюжет(w,'b','DisplayName','salidasIteradas')
название ({'ИТЕРАЦИОНЕС'})
легенда («показать»)
откладывать
и в результате получился график, который вы указали по ссылке ниже, где вы его увидите:
http://www.subirimagenes.com/otros-simenarx-8376264.html
На этом рисунке мы видим, что синяя линия (прогнозируемые выходные данные линии) отстает от красной линии (реальные цели). Я хотел бы знать, как я могу сделать так, чтобы синяя линия находилась перед красной линией, то есть выйти на один шаг раньше. Как я уже сказал, в этом посте я хочу сосредоточиться на том, почему это происходит и как я могу это исправить.
ОТВЕЧАТЬ
Matlabsolutions.com предоставляет последнюю Помощь по домашним заданиям MatLab, Помощь по заданию MatLab для студентов, инженеров и исследователей в различных отраслях, таких как ECE, EEE, CSE, Mechanical, Civil со 100% выходом. Код Matlab для BE, B.Tech , ME, M.Tech, к.т.н. Ученые со 100% конфиденциальностью гарантированы. Получите проекты MATLAB с исходным кодом для обучения и исследований.
% 1. Выбранные конечные точки с запятой могут быть удалены для облегчения отладки
[P, T ] = simplenarx_dataset; whos p= cell2mat(P); t = cell2mat(T); ID = 1:1 FD = 1:1 H = 5 NID= length(ID) NFD=length(FD) Nw = (NID*I+NFD*O+1)*H+(H+1)*O
% 2. Использовать NID и NFD для Nw в случае, если задержки не одиночные
% 3. Нет необходимости использовать tonndata, потому что набор simplenarx_data сразу готов к подготовке.
% 4. Нет необходимости в (p1,t1) и (p2,t2). Удалите оба.
% 5. Задержки ввода не оптимальны. Вы пытались найти значительные задержки функции взаимной корреляции цель/вход?
% 6. Задержки обратной связи не оптимальны. Вы пытались найти значительные лаги целевой автокорреляционной функции?
% 7. H неоптимален. Был ли он выбран с использованием субоптимальных задержек? Если да, то объясните как.
rng(0)
net = narxnet(ID,FD,H);
[inputs,inputStates,layerStates,targets] = preparets(net,P,{},T);
whos P T inputs inputStates layerStates targets
%8. N=N-1: УДАЛИТЬ. НЕ ХОРОШО ИСПОЛЬЗОВАТЬ ИМЯ ПЕРЕМЕННОЙ ИЛИ ПАРАМЕТРА В ОБЕИХ СТОРОНАХ УРАВНЕНИЯ. КРОМЕ ТОГО, ПОДГОТОВКА ВЫВОДИТ ПРАВИЛЬНЫЕ РАЗМЕРЫ
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ
https://www.matlabsolutions.com/resources/as-predicted-delayed-outputs-settle-in-narx.php
