trainbu
批无人监督的重量/偏差培训
语法
网。trainFcn = ' trainbu '
(净,tr) =火车(净,…)
描述
trainbu
列车重量和偏见学习网络和批量更新规则。重量和偏见更新发生在整个通过输入数据。
trainbu
不是直接调用。相反,火车
函数调用它的网络NET.trainFcn
属性设置为“trainbu”
,因此:
网。trainFcn = ' trainbu '
设置网络trainFcn
财产。
(净,tr) =火车(净,…)
列车的网络trainbu
。
训练时根据trainbu
训练参数,这里显示的默认值:
net.trainParam.epochs |
1000年 |
最大数量的时代 |
net.trainParam.show |
25 |
显示之间的时代( |
net.trainParam.showCommandLine |
假 |
生成的命令行输出 |
net.trainParam.showWindow |
真正的 |
GUI显示培训 |
net.trainParam.time |
正 |
最长时间训练在几秒钟内 |
验证和测试向量对培训这个函数没有影响,但是作为独立的网络推广的措施。
网络使用
您可以创建一个标准的网络使用trainbu
通过调用selforgmap
。准备一个定制的网络培训trainbu
:
集
NET.trainFcn
来“trainbu”
。(这个选项集NET.trainParam
来trainbu
默认参数。)设置每个
NET.inputWeights {i, j} .learnFcn
一个学习功能。设置每个
NET.layerWeights {i, j} .learnFcn
一个学习功能。设置每个
NET.biases{我}.learnFcn
一个学习功能。(重量和偏见学习参数自动设置为默认值为给定的学习功能。)
训练网络:
集
NET.trainParam
属性的值。重量和偏见学习参数设置为所需的值。
调用
火车
。
看到selforgmap
培训的例子。
算法
每个重量和偏见更新根据其学习函数在每个时代(一个通过整个输入向量)。
培训时停止任何这些条件满足:
的最大数量
时代
(重复)。性能是最小化
目标
。的最大数量
时间
是超过。验证性能(验证错误)增加了多
max_fail
自从上次下降(当使用验证)。