Exponenta Banner
exponenta event banner

learnis

Функция изучения веса возрастной стадии

Синтаксис

[dW,LS] = learnis(W,P,Z,N,A,T,E,gW,gA,D,LP,LS)
info = learnis('code')

Описание

learnis является функцией изучения веса возрастной стадии.

[dW,LS] = learnis(W,P,Z,N,A,T,E,gW,gA,D,LP,LS) берет несколько входных параметров,

W

S- матрица (или S-by-1 смещают вектор),

P

R-by-Q входные векторы (или ones(1,Q))

Z

S-by-Q взвешенные входные векторы

N

S-by-Q сетевые входные векторы

A

S-by-Q выходные векторы

T

S-by-Q слой предназначается для векторов

E

S-by-Q вектора ошибок слоя

gW

S-by-R градиент относительно производительности

gA

S-by-Q выходной градиент относительно производительности

D

S-by-S расстояния нейрона

LP

Изучая параметры, ни один, LP = []

LS

При изучении состояния, первоначально должен быть = []

и возвращается

dW

S- (или смещение) изменяют матрицу

LS

Новое состояние изучения

Изучение происходит согласно изучению learnis параметра, показанного здесь с его значением по умолчанию.

LP.lr - 0.01

Темп обучения

info = learnis('code') возвращает полезную информацию для каждого вектора символов code:

'pnames'

Имена изучения параметров

'pdefaults'

Параметры изучения значения по умолчанию

'needg'

Возвращается 1, если эта функция использует gW или gA

Примеры

Здесь вы задаете случайный вход P, вывод A и матрицу веса W для слоя с двухэлементным входом и тремя нейронами. Также задайте темп обучения LR.

p = rand(2,1);
a = rand(3,1);
w = rand(3,2);
lp.lr = 0.5;

Поскольку learnis только нужны эти значения, чтобы вычислить изменение веса (см. “Алгоритм” ниже), используйте их, чтобы сделать так.

dW = learnis(w,p,[],[],a,[],[],[],[],[],lp,[])

Сетевое использование

Подготовить веса и смещение слоя i пользовательской сети так, чтобы это могло учиться с learnis,

  1. Установите net.trainFcn на 'trainr'. (net.trainParam автоматически становится параметрами trainr по умолчанию.)

  2. Установите net.adaptFcn на 'trains'. (net.adaptParam автоматически становится параметрами trains по умолчанию.)

  3. Установите каждый net.inputWeights{i,j}.learnFcn на 'learnis'.

  4. Установите каждый net.layerWeights{i,j}.learnFcn на 'learnis'. (Каждый вес, изучающий свойство параметра, автоматически установлен в параметры learnis по умолчанию.)

Обучать сеть (или позволять ему адаптироваться),

  1. Установите свойства net.trainParam (net.adaptParam) на требуемые значения.

  2. Вызовите train (adapt).

Алгоритмы

learnis вычисляет изменение веса dW для данного нейрона от входа P нейрона, вывода A и темпа обучения LR согласно правилу изучения возрастной стадии:

dw = lr*a*(p'-w)

Ссылки

Grossberg, S., исследования Мышления и мозга, Drodrecht, Голландия, нажатия Reidel, 1982

Смотрите также

| | |

Представлено до R2006a

Документация Deep Learning Toolbox
Поддержка