Сопряженная градиентная обратная реализация с обновлениями Polak-Ribiére
net.trainFcn = 'traincgp'
[net,tr] = train(net,...)
traincgp
- функция сетевого обучения, которая обновляет значения веса и смещения в соответствии с сопряженной градиентной обратным распространением с обновлениями Polak-Ribiére.
net.trainFcn = 'traincgp'
устанавливает сетевую trainFcn
свойство.
[net,tr] = train(net,...)
обучает сеть с traincgp
.
Обучение происходит согласно traincgp
параметры обучения, показанные здесь с их значениями по умолчанию:
net.trainParam.epochs | 1000 | Максимальное количество эпох для обучения |
net.trainParam.show | 25 | Эпохи между отображениями ( |
net.trainParam.showCommandLine | false | Сгенерируйте выход в командной строке |
net.trainParam.showWindow | true | Показать обучающий графический интерфейс пользователя |
net.trainParam.goal | 0 | Цель эффективности |
net.trainParam.time | inf | Максимальное время обучения в секундах |
net.trainParam.min_grad | 1e-10 | Минимальный градиент эффективности |
net.trainParam.max_fail | 6 | Максимальные отказы валидации |
net.trainParam.searchFcn | 'srchcha' | Имя стандартной программы поиска по линиям |
Параметры, относящиеся к методам поиска по линии (не все используются для всех методов):
net.trainParam.scal_tol | 20 | Разделите на |
net.trainParam.alpha | 0.001 | Масштабный коэффициент, который определяет достаточное сокращение |
net.trainParam.beta | 0.1 | Масштабный коэффициент, который определяет достаточно большой размер шага |
net.trainParam.delta | 0.01 | Начальный размер шага в шаге местоположения интервала |
net.trainParam.gama | 0.1 | Параметр, чтобы избежать небольших сокращений эффективности, обычно устанавливается на |
net.trainParam.low_lim | 0.1 | Нижний предел изменения размера шага |
net.trainParam.up_lim | 0.5 | Верхний предел изменения размера шага |
net.trainParam.maxstep | 100 | Максимальная длина шага |
net.trainParam.minstep | 1.0e-6 | Минимальная длина шага |
net.trainParam.bmax | 26 | Максимальный размер шага |
Можно создать стандартную сеть, которая использует traincgp
с feedforwardnet
или cascadeforwardnet
. Чтобы подготовить пользовательскую сеть для обучения с traincgp
,
Задайте net.trainFcn
на 'traincgp'
. Это устанавливает net.trainParam
на traincgp
параметры по умолчанию.
Задайте net.trainParam
свойства к желаемым значениям.
В любом случае вызов train
с полученной сетью обучает сеть с traincgp
.
traincgp
может обучать любую сеть, пока ее вес, чистый вход и передаточные функции имеют производные функции.
Backpropagation используется для вычисления производных от perf
эффективности относительно переменных веса и смещения
X
. Каждая переменная регулируется согласно следующему:
X = X + a*dX;
где dX
- направление поиска. Значение параметра a
выбран для минимизации эффективности в поисковом направлении. Функция поиска по линии searchFcn
используется для определения местоположения минимальной точки. Первое направление поиска является отрицательным для градиента эффективности. В последующих итерациях направление поиска вычисляется из нового градиента и предыдущего направления поиска согласно формуле
dX = -gX + dX_old*Z;
где gX
- градиент. Значение параметра Z
может быть вычислен несколькими различными способами. Для изменения сопряженного градиента Полака-Рибьера он вычисляется согласно
Z = ((gX - gX_old)'*gX)/norm_sqr;
где norm_sqr
- норма квадрат предыдущего градиента, и gX_old
- градиент предыдущей итерации. Более подробное обсуждение алгоритма смотрите на странице 78 Scales (Введение в нелинейную оптимизацию, 1985).
Обучение останавливается, когда происходит любое из следующих условий:
Максимальное количество epochs
(повторения) достигается.
Максимальное количество time
превышено.
Эффективность минимизирована до goal
.
Градиент эффективности падает ниже min_grad
.
Эффективность валидации увеличилась более чем max_fail
раз с момента последнего уменьшения (при использовании валидации).
Шкалы, L.E., Введение в нелинейную оптимизацию, Нью-Йорк, Springer-Verlag, 1985
trainbfg
| traincgb
| traincgf
| traingda
| traingdm
| traingdx
| trainlm
| trainoss
| trainrp
| trainscg