Какие веса будут использоваться для прогнозирования будущего ответа?

Question

Я занимаюсь прогнозированием данных временных рядов.

Входной сигнал представляет собой суточную концентрацию частиц пыли в воздухе и имеет формат (10x24), 10 = дней и для каждого дня 24 значения, затем он преобразуется в векторный ряд (1240) с помощью

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

Для тренировки своей сети я сделал модель (3: 5: 1) (тан, тан) (0,05) (1) (500),

, где 3 = входы, 5 нейронов скрытого слоя, 1 выходной слой, передаточная функция (tanh tanh) для слоя со скрытым входом и слоя со скрытым выходом, скорость обучения составляет 0,05, 1 = смещение, и итерации - 500. I Обучайтесь в сети и отслеживайте абсолютно.

Какие веса слоев будут использоваться в прогнозировании для будущего ответа (т. Е. Слой со скрытым вводом или слой со скрытым выводом), поскольку их размеры равны

Ввод в скрытый слой = inputweights (input, hidden) = матрица 3 x 5 скрыто для выходного слоя = outputwhts (output, hidden) = 1x5 вектор строки.

Я хочу предсказать прогнозирование 24 значений и прогнозирование 168 значений на основе моего веса входных данных.

Answer 1

В прогнозе участвуют веса ввода-скрытого и скрытого-вывода. Прогнозы, сделанные нейронными сетями, всегда зависят от всех весов в сети.

Теперь звучит так, как будто вы хотите использовать сеть, обученную на примерах размера 24, для предсказания примеров размера 168, и поэтому вы хотите знать, какой набор весов сохранить.

Если это так (это немного неясно), то плохая новость заключается в том, что в общем случае вы не можете изменить размер входного или выходного сигнала сети, не полностью переучив его.

Я бы посоветовал рассчитать пример 168 значений, который будет аналогичен каждому примеру с 24 значениями, и обучить сеть на этих примерах.