具有自适应学习速率的梯度下降
net.trainfcn ='traingda'
设置网络训练码
财产。
[
训练网络训练网络
那TR.
) =火车(净
,……)TRAINGDA
.
TRAINGDA
是一种网络训练功能,可根据具有自适应学习率的梯度下降更新权重和偏置值。
培训发生根据TRAINGDA
训练参数,这里显示了它们的默认值:
net.trainParam.epochs
- 培训的最大单位数。默认值为1000。
net.trainparam.goal.
——性能目标。默认值为0。
net.trainParam.lr
——学习速率。默认值为0.01。
net.trainparam.lr_inc.
-提高学习速率的比率。默认值为1.05。
net.trainparam.lr_dec.
—降低学习速率的比率。默认值为0.7。
net.trainparam.max_fail.
- 最大验证失败。默认值是6.
.
net.trainParam.max_perf_inc
—最大性能提升。默认值是1.04
.
net.trainparam.min_grad.
- 最小性能梯度。默认值是1E-5
.
net.trainparam.show.
- 显示器之间的时期(南
没有显示)。默认值为25。
net.trainParam.showCommandLine
—生成命令行输出。默认值是错误的
.
net.trainParam.showWindow
- 显示培训GUI。默认值是真正的
.
net.trainparam.time.
- 最长时间培训时间。默认值是正
.
TRAINGDA
只要其重量,净输入和传输函数可以培训任何网络都具有衍生功能。
BackPropagation用于计算性能的衍生物DPERF.
关于权重和偏差变量X
.根据梯度下降调整每个变量:
dx = lr * dperf / dx
在每个时代,如果性能降低到目标,那么学习率增加了因素lr_inc.
.如果性能增加超过该因素max_perf_inc.
时,学习率由因子调整lr_dec
而且没有提高性能的变化。
当这些情况发生时,训练停止:
最大数目时代
(重复)。
最大数量时间
超出了。
性能最小化到目标
.
性能梯度在下面min_grad.
.
验证性能的提高超过max_fail
自上次降低以来(使用验证时)以来的次数。