我使用 ntstool 来创建NAR（非线性自回归）网络对象，通过训练1x1247输入向量。 （每日股票价格为6年） 我已完成所有步骤并将生成的网络对象保存到工作区。
现在我对如何使用这个对象来预测y（t）毫无头绪，例如t = 2000，（我训练了t = 1的模型：1247）
在其他一些主题中，人们建议使用sim（net，t）函数 - 但是这会给我任何t值的结果。 （与net（t）函数相同）
答案 0 :(得分：1)
我不熟悉特定的神经网络命令，但我认为你正在以错误的方式解决这个问题。通常，您希望及时对进化进行建模。您可以通过指定某个窗口（例如3个月）来执行此操作。
您现在正在训练的是单个输入向量，它没有关于时间演变的信息。你总是得到相同预测的原因是你只使用一个点进行训练（即使它是1247维，它仍然是1分）。
你可能想要制作这种性质的输入向量（为简单起见，假设你正在使用几个月）：
[month1 month2; month2 month 3; month3 month4]
此示例包含2个训练点，演变为3个月。请注意它们重叠。
答案 1 :(得分：0)
使用网络 在训练和验证网络之后，网络对象可用于计算对任何输入的网络响应。例如，如果要查找建筑数据集中第五个输入向量的网络响应，可以使用以下内容 a = net（houseInputs（：，5）） a = 34.3922 如果尝试此命令，则输出可能会有所不同，具体取决于初始化网络时随机数生成器的状态。下面，调用网络对象以计算外壳数据集中所有输入向量的并发集合的输出。这是模拟的批处理模式形式，其中所有输入向量都放在一个矩阵中。这比一次呈现一个向量更有效。 a = net（houseInputs）; 每次训练神经网络时，由于不同的初始权重和偏差值以及不同的数据划分到训练，验证和测试集中，可能导致不同的解决方案。结果，针对相同问题训练的不同神经网络可以为相同输入提供不同的输出。为确保找到具有良好准确性的神经网络，需要多次重新训练。 如果需要更高的精度，还有若干其他技术可用于改进初始解决方案。有关更多信息，请参阅改进神经网络泛化和避免过度拟合。 强文