trainru

Неконтролируемое обучение весу/смещению случайного порядка

Синтаксис

net.trainFcn = 'trainru'
[net,tr] = train(net,...)

Описание

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

1000

Максимальное количество эпох для обучения

net.trainParam.show

25

Эпохи между отображениями (NaN при отсутствии отображений)

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

Использование сети

Чтобы подготовить пользовательскую сеть для обучения с trainru,

  1. Задайте net.trainFcn на 'trainru'. Это устанавливает net.trainParam на trainruпараметры по умолчанию.

  2. Установите каждую net.inputWeights{i,j}.learnFcn к функции обучения.

  3. Установите каждую net.layerWeights{i,j}.learnFcn к функции обучения.

  4. 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,

  1. Задайте net.trainParam свойства к желаемым значениям.

  2. Установите параметры обучения с учетом веса и смещения на желаемые значения.

  3. Функции train.

Алгоритмы

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.

См. также

|

Введенный в R2010b
Для просмотра документации необходимо авторизоваться на сайте