如何在 Matlab/Simulink 中建模 "for loop" & "memory things"
How to model "for loop" & "memory things" in Matlab/Simulink
在我的本科论文中，我正在创建一个神经网络来控制车辆的自动换档算法。
我从 .m 脚本开始从头开始创建了 nn，它可以正常工作。我测试它可以识别一些形状。
简要背景信息；
NN 重新连接神经元，这些神经元是位于一层中的数学块。有多层。一层的输出是前一层的输入。从已知输出中减去实际输出，并通过这种方式获得误差。通过使用一些代数方程的反向传播算法来更新神经元的系数。
我想做的是；
在代码中有 6 个输入矩阵，不必是任何矩阵和相应的输出。让我们称它们为 x(i) 矩阵和 y(i) 向量。在 for 循环中，我遍历每个矩阵和向量来教授网络。最后通过使用最后已知的更新系数网络根据未知输入给出一些响应。
我找不到方法，如何在 simulink 中模拟 for 循环以遍历每个不同的输入和输出对。当网络完成一对时，它应该更改输入并与相应的输出进行比较，然后更新系数矩阵。
我按照给定的方式对层进行建模，只输入一个输入，但我需要多个输入。
当谈到自动传输控制问题时，它应该实时完成所有这些工作。它应该不断读取输出并更新系数并给出决定。
查看 "For each Subsystem"。自 2011 年以来存在 b
要创建输入信号，您可以使用 "Concatenate" 块，在您的情况下它有六个输入，以及一个三维输出 x.dim = [1x20x6] 然后您可以迭代第三个维度...
一个非常有用的模式，可以创建更小的模型，运行 更快，并保持你的代码干燥（不要重复你自己）
在我的本科论文中，我正在创建一个神经网络来控制车辆的自动换档算法。
我从 .m 脚本开始从头开始创建了 nn，它可以正常工作。我测试它可以识别一些形状。
简要背景信息；
NN 重新连接神经元，这些神经元是位于一层中的数学块。有多层。一层的输出是前一层的输入。从已知输出中减去实际输出，并通过这种方式获得误差。通过使用一些代数方程的反向传播算法来更新神经元的系数。
我想做的是；
在代码中有 6 个输入矩阵，不必是任何矩阵和相应的输出。让我们称它们为 x(i) 矩阵和 y(i) 向量。在 for 循环中，我遍历每个矩阵和向量来教授网络。最后通过使用最后已知的更新系数网络根据未知输入给出一些响应。
我找不到方法，如何在 simulink 中模拟 for 循环以遍历每个不同的输入和输出对。当网络完成一对时，它应该更改输入并与相应的输出进行比较，然后更新系数矩阵。
我按照给定的方式对层进行建模，只输入一个输入，但我需要多个输入。
查看 "For each Subsystem"。自 2011 年以来存在 b
要创建输入信号，您可以使用 "Concatenate" 块，在您的情况下它有六个输入，以及一个三维输出 x.dim = [1x20x6] 然后您可以迭代第三个维度...
一个非常有用的模式，可以创建更小的模型，运行 更快，并保持你的代码干燥（不要重复你自己）