Неконтролируемое обучение весу/смещению случайного порядка
net.trainFcn = 'trainru'
[net,tr] = train(net,...)
trainru не вызывается напрямую. Вместо этого он вызывается train для сетей, чьи net.trainFcn для свойства задано значение 'trainru', таким образом:
net.trainFcn = 'trainru' устанавливает сетевую trainFcn свойство.
[net,tr] = train(net,...) обучает сеть с trainru.
trainru обучает сеть с правилами обучения с весом и смещением с инкрементными обновлениями после каждого представления входа. Входные параметры представлены в случайном порядке.
Обучение происходит согласно trainru параметры обучения, показанные здесь с их значениями по умолчанию:
net.trainParam.epochs |
| Максимальное количество эпох для обучения |
net.trainParam.show |
| Эпохи между отображениями ( |
net.trainParam.showCommandLine |
| Сгенерируйте выход в командной строке |
net.trainParam.showWindow |
| Показать обучающий графический интерфейс пользователя |
net.trainParam.time |
| Максимальное время обучения в секундах |
Чтобы подготовить пользовательскую сеть для обучения с trainru,
Задайте net.trainFcn на 'trainru'. Это устанавливает net.trainParam на trainruпараметры по умолчанию.
Установите каждую net.inputWeights{i,j}.learnFcn к функции обучения.
Установите каждую net.layerWeights{i,j}.learnFcn к функции обучения.
Установите каждую net.biases{i}.learnFcn к функции обучения. (Параметры обучения с учетом веса и смещения автоматически устанавливаются на значения по умолчанию для заданной функции обучения.)
Для обучения сети,
Задайте net.trainParam свойства к желаемым значениям.
Установите параметры обучения с учетом веса и смещения на желаемые значения.
Функции train.
Для каждой эпохи все обучающие векторы (или последовательности) представляются один раз в различном случайном порядке с обновлением сети и значений веса и смещения соответственно после каждой отдельной презентации.
Обучение останавливается, когда достигается любое из этих условий:
Максимальное количество epochs (повторения) достигается.
Максимальное количество time превышено.