neuroproject.ru

[OKey]

Только осваиваю нейросети, ковыряюсь в Матлабе. Вот столкнулся с интересной, самому себе поставленной, задачкой. Я пытаюсь прогнозировать функцию y = cos(x) + x:


На вход подаю n значений от функции, на выходе требую m последующих значений. С помощью персептрона ничего не получается, т.к. насколько я понял экстраполяция, это не то, что может перспетрон. Персептрон успешно прогнозирует тот же косинус, если в обучающей выборке присутсвует несколько периодов, т.е. интерполирует.

На прошедшем семинаре послушал про слои задержки. Рекуррентная сеть позволяет, насколько я понял, аппроксимировать параметрически заданные функции, т.к. имеет состояние и чувствительна к порядку предъявления данных. Вот возникла у меня идея, что прогнозирование вот такой вот периодически возрастающей функции как раз задача для рекуррентной сети, т.к. из текущего состояния функция ведет себя всё время одинаково и, в принципе, сетью с состоянием нужно уже интерполировать обучающие данные, а не экстраполировать.

К сожалению я запнулся на элементарном незнании библиотечных функций Матлаба и механизмов их работы. Буду очень благодарен небольшому разъяснению как работают блоки задержки в Матлабе.