Question

我使用带有layrecnet和layerDelays = 1:2的层复现网络（hiddenSize = 5），使用Matlab的NN工具箱进行时间序列预测（I＆＃39; ve为一个隐藏层使用了一些其他大小，结果相似）。我修改了网络以获取多个输入（最多5个或10个）以及相关的更改为net.inputConnect，并且它可以工作（也就是说，我可以训练它并获得良好的结果）。

一旦我将divideFcn从默认设置更改为divideblock它就不再有效，在运行train功能时给我这个错误：

Error in divideblock>divide_indices (line 108)
  testInd = (1:numTest)+valInd(end);

Error in divideblock (line 65)
    [out1,out2,out3] = divide_indices(in1,params);

Error in nntraining.setup (line 176)
      [trainInd,valInd,testInd] =
      feval(net.divideFcn,Q,net.divideParam);

Error in network/train (line 292)
    [net,rawData,tr,err] =
    nntraining.setup(net,net.trainFcn,X,Xi,Ai,T,EW,~isGPUArray);

通过调试模式，我发现valInd是一个空数组，由（内置）Q函数中的值nntraining.setup()确定。 Q由另一个我无法访问的函数（nntraining.config）设置。现在，显然我不相信错误在那些函数中，但我试图通过追溯问题找到错误。而现在我靠墙了。

归结为2个问题

我想使用divideblock代替dividerand因为我希望图层延迟能够利用信号的时间结构（它是高度周期性的 - 腿部）走路时的关节角度）。我错误地认为dividerand无法利用这种时间结构吗？
train函数与divideblock的交互方式是否存在某些特性，这意味着我需要更改一些有关数据格式的内容？

非常感谢！

Answer 1

问题在于网络divideMode参数。静态网络的默认值为'sample'，动态网络'time'的默认值为layrecnet。我还没有找到两者之间区别的明确解释，但是当我初始化'sample'（层复现网络，据说是一个动态网络）时，它会初始化为'time'而不是divideMode。因此，它没有将数据划分为训练，验证和测试集，而是对整个输入进行了培训。在安装过程中手动更改该值可解决问题。

从工具箱文档：

此属性定义在调用数据除法函数时要分割的目标数据维。

就时间序列数据而言，这似乎与跨越试验的时间相互关联，可以这么说。也就是说，如果数据是作为一组并发试验输入的（＆＃34;并发＆＃34;和＃34;顺序＆＃34;是NN输入的一种数据类型），'sample'被设置为{ {1}}，它会选择一部分试验用于培训与验证与测试。如果有人看到这个并且可以提供更明确的解释，请做。

Answer 2

对于动态网络（如layrecnet），您应该使用此代码进行块数据划分：

net.divideFcn ='divideblock'; ％使用索引块

将目标分为三组

net.divideParam.trainRatio = 0.6; ％培训目标的比例。默认= 0.7。

net.divideParam.valRatio = 0.2; ％验证目标的比率。默认值= 0.15。

net.divideParam.testRatio = 0.2; ％测试目标的比率。默认值= 0.15。

net.divideMode ='time';动态网络的％'时间'或静态网络的'样本'

Matlab神经网络 - 将分块作为divideFcn的麻烦

2 个答案: