trainr

Произвольный порядок инкрементное обучение с изучением функций

Синтаксис

net.trainFcn = 'trainr'
[net,tr] = train(net,...)

Описание

trainr не называется непосредственно. Вместо этого это вызвано train для сетей, чей net.trainFcn свойство установлено в 'trainr', таким образом:

net.trainFcn = 'trainr' устанавливает сеть trainFcn свойство.

[net,tr] = train(net,...) обучает сеть с trainr.

trainr обучает сеть с весом и правила изучения смещения с инкрементными обновлениями после каждого представления входа. Входные параметры представлены в произвольном порядке.

Обучение происходит согласно trainr учебные параметры, показанные здесь с их значениями по умолчанию:

net.trainParam.epochs1000

Максимальное количество эпох, чтобы обучаться

net.trainParam.goal0

Цель производительности

net.trainParam.max_fail6Максимальные отказы валидации
net.trainParam.show25

Эпохи между отображениями (NaN ни для каких отображений)

net.trainParam.showCommandLinefalse

Сгенерируйте командную строку выход

net.trainParam.showWindowtrue

Покажите учебный графический интерфейс пользователя

net.trainParam.timeinf

Максимальное время, чтобы обучаться в секундах

Сетевое использование

Можно создать стандартную сеть, которая использует trainr путем вызова competlayer или selforgmap. Подготовить пользовательскую сеть, которая будет обучена с trainr,

  1. Установите net.trainFcn к 'trainr'. Это устанавливает net.trainParam к trainrпараметры по умолчанию.

  2. Установите каждый net.inputWeights{i,j}.learnFcn к функции изучения.

  3. Установите каждый net.layerWeights{i,j}.learnFcn к функции изучения.

  4. Установите каждый net.biases{i}.learnFcn к функции изучения. (Вес и параметры изучения смещения автоматически установлены в значения по умолчанию для данного изучения функции.)

Обучать сеть,

  1. Установите net.trainParam свойства к требуемым значениям.

  2. Установите вес и параметры изучения смещения к требуемым значениям.

  3. Вызовите train.

Смотрите help competlayer и help selforgmap для учебных примеров.

Алгоритмы

В течение каждой эпохи все учебные векторы (или последовательности) каждый представлены однажды в различном произвольном порядке, с сетью и весом и смещают значения, обновленные соответственно после каждого отдельного представления.

Обучение останавливается, когда любое из этих условий соблюдают:

  • Максимальное количество epochs (повторения) достигнуты.

  • Производительность минимизирована к goal.

  • Максимальная сумма time превышен.

Смотрите также

Представлено до R2006a

Для просмотра документации необходимо авторизоваться на сайте