Последовательное пошаговое обучение с функциями обучения
net.trainFcn = 'trains'
[net,tr] = train(net,...)
trains не вызывается напрямую. Вместо этого он вызывается train для сетей, чьи net.trainFcn свойство имеет значение 'trains', таким образом:
net.trainFcn = 'trains' устанавливает сеть trainFcn собственность.
[net,tr] = train(net,...) обучает сеть с помощью trains.
trains обучает сеть правилам обучения весу и смещению с последовательными обновлениями. Последовательность входов представляется сети с обновлениями, происходящими после каждого временного шага.
Этот алгоритм инкрементного обучения обычно используется для адаптивных приложений.
Обучение происходит в соответствии с trains параметры обучения, показанные здесь с их значениями по умолчанию:
net.trainParam.epochs |
| Максимальное количество периодов для обучения |
net.trainParam.goal | 0 | Цель производительности |
net.trainParam.show |
| Периоды между дисплеями ( |
net.trainParam.showCommandLine |
| Создание выходных данных командной строки |
net.trainParam.showWindow |
| Показать графический интерфейс пользователя для обучения |
net.trainParam.time |
| Максимальное время обучения в секундах |
Можно создать стандартную сеть, использующую trains для адаптации путем вызова perceptron или linearlayer.
Подготовка пользовательской сети для адаптации trains,
Набор net.adaptFcn кому 'trains'. Эти наборы net.adaptParam кому trainsПараметры 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.)
Чтобы обеспечить адаптацию сети,
Установите для параметров обучения весу и смещению требуемые значения.
Звонить adapt.
Посмотрите help perceptron и help linearlayer для примеров адаптации.
Каждый вес и смещение обновляются в соответствии с его функцией обучения после каждого временного шага во входной последовательности.