learnp

Вес Perceptron и функция изучения смещения

Синтаксис

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

Описание

learnp perceptron функция изучения веса/смещения.

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

W

S- R матрица веса (или b, и S- 1 сместите вектор),

P

R- Q входные векторы (или ones(1,Q))

Z

S- Q взвешенные входные векторы

N

S- Q сетевые входные векторы

A

S- Q выходные векторы

T

S- Q целевые векторы слоя

E

S- Q вектора ошибок слоя

gW

S- R градиент веса относительно эффективности

gA

S- Q выведите градиент относительно эффективности

D

S- S расстояния нейрона

LP

Изучая параметры, ни один, LP = []

LS

При изучении состояния, первоначально должен быть = []

и возвращается

dW

S- R вес (или смещение) изменяет матрицу

LS

Новое состояние изучения

info = learnp('code') возвращает полезную информацию для каждого code символьный вектор:

'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 и ошибка E для слоя с двухэлементным входом и тремя нейронами.

p = rand(2,1);
e = rand(3,1);

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

dW = learnp([],p,[],[],[],[],e,[],[],[],[],[])

Алгоритмы

learnp вычисляет вес изменяют dW для данного нейрона от входа P нейрона и ошибка E согласно perceptron изучение правила:

dw = 0, if e = 0
     = p', if e = 1
     = -p', if e = -1

Это может быть получено в итоге как

dw = e*p'

Ссылки

Розенблатт, F., принципы нейродинамики, Вашингтона, округ Колумбия, спартанского нажатия, 1961

Смотрите также

| |

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте