Одноэтапное секантное обратное распространение
net.trainFcn = 'trainoss'
[net,tr] = train(net,...)
trainoss является сетевой функцией обучения, которая обновляет значения веса и смещения в соответствии с одношаговым секущим методом.
net.trainFcn = 'trainoss' устанавливает сетевую trainFcn свойство.
[net,tr] = train(net,...) обучает сеть с trainoss.
Обучение происходит согласно trainoss параметры обучения, показанные здесь с их значениями по умолчанию:
net.trainParam.epochs | 1000 | Максимальное количество эпох для обучения |
net.trainParam.goal | 0 | Цель эффективности |
net.trainParam.max_fail | 6 | Максимальные отказы валидации |
net.trainParam.min_grad | 1e-10 | Минимальный градиент эффективности |
net.trainParam.searchFcn | 'srchbac' | Имя стандартной программы поиска по линиям |
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.time | inf | Максимальное время обучения в секундах |
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 trainoss с feedforwardnet или cascadeforwardnet. Чтобы подготовить пользовательскую сеть для обучения с trainoss:
Задайте net.trainFcn на 'trainoss'. Это устанавливает net.trainParam на trainossпараметры по умолчанию.
Задайте net.trainParam свойства к желаемым значениям.
В любом случае вызов train с полученной сетью обучает сеть с trainoss.
trainoss 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 настраивается 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 предыдущих шагов и градиентов согласно следующей формуле:
dX = -gX + Ac*X_step + Bc*dgX;
где gX является градиентом, X_step - изменение весов на предыдущей итерации и dgX - изменение градиента от последней итерации. См. Battiti (Neural Computation, Vol. 4, 1992, pp. 141-166) для более подробного обсуждения одношагового секторального алгоритма.
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).
Battiti, R., «First and второго порядка methods for learning: Between наискорейшего спуска and Newton's method», Neural Расчета, Vol. 4, No. 2, 1992, pp . 141-166
trainbfg | traincgb | traincgf | traincgp | traingda | traingdm | traingdx | trainlm | trainrp | trainscg
