如何使用创建的“网络”神经网络对象进行预测？

Question

通过在1x1247输入向量上进行训练，我使用 net 创建了NAR (非线性自回归)网络对象。(6年的每日股价)我已经完成了所有的步骤，并将生成的净对象保存到工作区。

现在我不知道如何使用这个对象来预测y(t)，例如t= 2000，(我训练了t=1:1247的模型)

在其他一些线程中，人们建议使用sim(net，t)函数，但是对于t的任何值(与net(t)函数相同)，这将给出相同的结果。

Answer 1

我不熟悉特定的神经网络命令，但我认为你是以错误的方式处理这个问题。通常，您希望在时间上对演化进行建模。您可以通过指定一个特定的窗口(比如3个月)来实现这一点。

你现在正在训练的是一个单一的输入向量，它没有时间上的进化信息。你总是得到同样的预测是因为你只使用一个点进行训练(即使它是1247维，它仍然是1分)。

您可能希望生成这种性质的输入向量(为了简单起见，假设您使用的是数月)：

[month1 month2; month2 month 3; month3 month4]

此示例包含2个训练点，时间为3个月。注意它们是重叠的。

Answer 2

在对网络进行培训和验证之后，可以使用网络对象来计算网络对任何输入的响应。例如，如果希望在构建数据集中找到对第五个输入向量的网络响应，则可以使用以下a= net(houseInputs(:,5)) a= 34.3922，如果您尝试此命令，则输出可能有所不同，这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住宅数据集中所有输入向量的并发集的输出。这是模拟的批处理方式，所有的输入向量都放在一个矩阵中。这比一次只呈现一个向量要有效得多。A= net(houseInputs)；每次神经网络被训练时，由于初始权重和偏差值的不同以及将数据划分为训练、验证和测试集，可以得到不同的解决方案。因此，不同的神经网络对同一问题进行训练，可以为同一输入提供不同的输出。为了保证神经网络具有较好的精度，对其进行多次再训练。如果需要更高的精度，还有其他几种改进初始解的技术。有关更多信息，请参见改进神经网络泛化和避免过度拟合。强文本