Всем привет. A) Пожалуйста, и мне нужна помощь в том, как я могу обучить нейронную сеть, используя два набора временных рядов (одинакового размера), каждый из которых является вектором-строкой в диапазоне до 1500 точек данных (1x1500) в качестве входной переменной и возвращает один класс вывода .
Вход 1 = [-20 -20,30 -20,61 -20,91 -21,20 -21,49 -21,77 -22,05….]
Вход 2 = [-15,81 -15,44 -15,05 -14,67 -14,28 -13,88 -13,48 -13,08….]
Выход=[H1]
У меня есть около четырех классов вывода, которые может определять каждый случай двойного временного ряда, и у меня есть около 700 случаев вышеуказанного типа данных, которые я хочу использовать для обучения, проверки и тестирования.
B) В другом случае я также хочу повторить описанную выше процедуру, но мой вывод будет состоять из двух векторов, т.е. что-то вроде:
Вход 1 = [-20 -20,30 -20,61 -20,91 -21,20 -21,49 -21,77 -22,05….]
Вход 2 = [-15,81 -15,44 -15,05 -14,67 -14,28 -13,88 -13,48 -13,08….]
Выход = [0,2331 -3,221]
Типичный образец кода для обучения и тестирования с использованием функций MATLAB приветствуется.
Пожалуйста, я новичок в этой области обучения, простые и понятные термины будут предпочтительными.
ПРИМЕЧАНИЕ.
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.
У вас неверная характеристика стандартной классификации и моделей временных рядов.
1. Входные данные классификации разбиваются на размеченные классами области I-мерного входного пространства. Однако области одного класса не обязательно связаны.
The input matrix for c classes contains N I-dimensional samples and has dimension [ I N ]. The output matrix for c classes contains N c-dimensional 0-1 unit vectors where the row of the 1 indicates the class index of the corresponding class. In general there is no correlation between the physical location of inputs and their matrix location.
2. Как правило, временные ряды не используются для классификации.
СМОТРИТЕ ПОЛНЫЙ ОТВЕТ НАЖМИТЕ НА ССЫЛКУ
