Neuraal netwerk - voorspelling. Hoe?

[ckck20]

Hi, i een reeks metingen (1000) over de intensiteit van de wind en deze worden genomen met tussenpozen van 10 minuten op dezelfde plaats. Ik moet de intensiteit van de wind te voorspellen voor de komende 2 uur (de nieuwe 12 metingen). Ik weet niet hoe je dit model als een neuraal netwerk. Ik bedoel, dat ik niet weet wat te gebruiken voor de opleiding (in-en doelen). Ik wil graag uw ideeën horen en alles wordt op prijs gesteld please! Bij voorbaat dank

 

[mdanaie]

De answere is zo lastig Het beste answere is om 2 input te gebruiken nural het netwerk van de eerste ingang is je gegeven dat elke 10 minuten. de tweede ingang dezelfde gegevens 10 minuten vertraging. Dat betekent dat je een Z ^ -1 terugkoppeling van output op de input het maken van de nural netwerk in staat van predition. met behulp van een enkele of dubbele feedback (Z ^ -1 en Z ^ -2) is meestal voldoende.

 

[ckck20]

Bedankt voor uw antwoord. Ik ben met behulp van Matlab en een backpropagation neuraal netwerk. De training wordt gedaan door het te geven als input de laatste 10 metingen en toe te spitsen naar de volgende (uitgaande van alles wat ik wil is de n +1 voorspelling). Maar het hoeft niet te leren! Nu zal ik zoeken over wat je zei en zie wat ik kan doen.

 

[leekk8]

Terwijl ik denk, de manier waarop je het zou moeten werken. Inname van 10 laatste metingen in plaats van slechts 2, moet het resultaat beter zijn. Hoe dan ook, kunt u uw neuraal netwerk en test te passen met allerlei input en output. Een ander ding dat je moet zetten aandacht is de architectuur van het neurale netwerk. Hoeveel verborgen lagen die u gebruikt? Hoeveel neuronen op elke verborgen laag? Zorg ook dat de neurale netwerk-code correct is. U kunt proberen dit door te testen met XOR probleem, dat is een typisch voorbeeld van backpropagation neuraal netwerk.

 

[ckck20]

Hoi, en bedankt voor uw antwoord. Mijn code correct is zoals ik het zie. Ik gebruik een verborgen laag van ongeveer 10-20 neuronen en ik heb geprobeerd met behulp van een verschillend aantal historische waarden. Ik merkte dat ik betere resultaten te krijgen bij het gebruik van een verborgen laag in plaats van 2. De totale voorspelling niet goed in beide gevallen. Ik heb geprobeerd voor een dag nu naar de juiste combinatie te vinden, maar tot nu toe heb ik nog niet gevonden. Misschien moet ik gebruik maken van een andere aanpak, maar degene die ik gebruik lijkt me logisch. Heeft u suggesties?

 

[leekk8]

ckck20, hoe gaat het met je bevindingen nu? Kan je een goed resultaat? Als je rond de 1000 data, Ik denk dat je moet invoeren meer in plaats van slechts 10 ... Als u invoert 50 ingangen, en voorspellen van de volgende gegevens, het kan werken ... je hebt aan het testen van alle methoden van input en output, naast de architectuur van het neurale netwerk.