Последовательный порядок инкрементальное 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 для свойства задано значение 'trains', таким образом:
net.trainFcn = 'trains' устанавливает сетевую trainFcn свойство.
[net,tr] = train(net,...) обучает сеть с trains.
trains обучает сеть с правилами обучения с учетом веса и смещения с помощью последовательных обновлений. Последовательность входов представляется в сеть с обновлениями, происходящими после каждого временного шага.
Этот инкрементальный алгоритм настройки обычно используется в адаптивных приложениях.
Обучение происходит согласно trains параметры обучения, показанные здесь с их значениями по умолчанию:
net.trainParam.epochs |
| Максимальное количество эпох для обучения |
net.trainParam.goal | 0 | Цель эффективности |
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 |
Можно создать стандартную сеть, которая использует trains для адаптации по вызову perceptron или linearlayer.
Чтобы подготовить пользовательскую сеть к адаптации с помощью trains,
Задайте net.adaptFcn на 'trains'. Это устанавливает net.adaptParam на trainsпараметры 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.)
Чтобы позволить сети адаптироваться,
Установите параметры обучения с учетом веса и смещения на желаемые значения.
Функции adapt.
См. help perceptron и help linearlayer для примеров адаптации.
Каждый вес и смещение обновляются в соответствии с его функцией обучения после каждого временного шага в последовательности входа.
