Пакетное обучение без контроля веса/смещения
net.trainFcn = 'trainbu'
[net,tr] = train(net,...)
trainbu обучает сеть правилам обучения весу и смещению с пакетными обновлениями. Обновления весов и смещений происходят в конце всего прохода через входные данные.
trainbu не вызывается напрямую. Вместо этого train функция вызывает его для сетей, чьи NET.trainFcn свойство имеет значение 'trainbu', таким образом:
net.trainFcn = 'trainbu' устанавливает сеть trainFcn собственность.
[net,tr] = train(net,...) обучает сеть с помощью trainbu.
Обучение происходит в соответствии с trainbu параметры обучения, показанные здесь со следующими значениями по умолчанию:
net.trainParam.epochs | 1000 | Максимальное количество периодов для обучения |
net.trainParam.show | 25 | Периоды между дисплеями ( |
net.trainParam.showCommandLine | false | Создание выходных данных командной строки |
net.trainParam.showWindow | true | Показать графический интерфейс пользователя для обучения |
net.trainParam.time | inf | Максимальное время обучения в секундах |
Векторы проверки и тестирования не влияют на обучение для этой функции, но действуют как независимые меры обобщения сети.
Можно создать стандартную сеть, использующую trainbu путем вызова selforgmap. Подготовка пользовательской сети для обучения trainbu:
Набор NET.trainFcn кому 'trainbu'. (Этот набор параметров NET.trainParam кому trainbu параметры по умолчанию).
Установить каждый NET.inputWeights{i,j}.learnFcn к обучающей функции.
Установить каждый NET.layerWeights{i,j}.learnFcn к обучающей функции.
Установить каждый NET.biases{i}.learnFcn к обучающей функции. (Параметры обучения по весу и смещению автоматически устанавливаются в значения по умолчанию для данной функции обучения.)
Для обучения сети:
Набор NET.trainParam свойств к требуемым значениям.
Установите для параметров обучения весу и смещению требуемые значения.
Звонить train.
Посмотрите selforgmap для учебных примеров.
Каждый вес и смещение обновляется в соответствии с его функцией обучения после каждой эпохи (один проходит через весь набор входных векторов).
Обучение прекращается при выполнении любого из следующих условий:
Максимальное количество epochs (повторы) достигается.
Производительность минимизирована для goal.
Максимальная сумма time превышено.
Производительность проверки возросла более чем max_fail раз с момента последнего уменьшения (при использовании проверки).