trainb

Обработайте обучение в пакетном режиме с весом и правилами изучения смещения

Синтаксис

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

Описание

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

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

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

trainb обучает сеть с весом и правила изучения смещения с пакетными обновлениями. Веса и смещения обновляются в конце целой передачи через входные данные.

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

net.trainParam.epochs1000

Максимальное количество эпох, чтобы обучаться

net.trainParam.goal0

Цель эффективности

net.trainParam.max_fail6

Максимальные отказы валидации

net.trainParam.min_grad1e-6Минимальный градиент эффективности
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 trainb путем вызова linearlayer.

Подготовить пользовательскую сеть, которая будет обучена с trainb,

  1. Установите net.trainFcn к 'trainb'. Это устанавливает net.trainParam к trainbпараметры по умолчанию.

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

Алгоритмы

Каждый вес и смещение обновляются согласно его изучению функции после каждой эпохи (одна передача через целый набор входных векторов).

Обучение останавливается, когда любое из этих условий соблюдают:

  • Максимальное количество epochs (повторения) достигнуты.

  • Эффективность минимизирована к goal.

  • Максимальная сумма time превышен.

  • Эффективность валидации увеличила больше, чем max_fail времена с прошлого раза это уменьшилось (при использовании валидации).

Смотрите также

|

Представлено до R2006a
Для просмотра документации необходимо авторизоваться на сайте