trainb
带有权重和偏差学习规则的批量训练
语法
net.trainFcn= 'trainb'
(净,tr) =火车(净,…)
描述
trainb不直接调用。相反，它被调用火车的网络net.trainFcn属性设置为“trainb”,因此:
net.trainFcn= 'trainb'设置网络trainFcn财产。
(净,tr) =火车(净,…)用以下方法训练网络trainb．
trainb通过批量更新训练网络的权值和偏差学习规则。权重和偏差在整个输入数据传递结束时更新。
培训是根据trainb的训练参数，这里显示了它们的默认值:
net.trainParam.epochs |
1000 |
需要训练的最大纪元数 |
net.trainParam.goal |
0 |
性能目标 |
net.trainParam.max_fail |
6 |
最大验证失败 |
net.trainParam.min_grad |
1 e-6 |
最低性能梯度 |
net.trainParam.show |
25 |
展览之间的年代( |
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 |
训练时间最长，以秒为单位 |
网络使用
你可以创建一个标准的网络trainb通过调用linearlayer．
准备一个训练用的定制网络trainb，
集
net.trainFcn来“trainb”．这集net.trainParam来trainb的默认参数。设置每个
net.inputWeights {i, j} .learnFcn到一个学习函数。设置每个net.layerWeights {i, j} .learnFcn到一个学习函数。设置每个net.biases{我}.learnFcn到一个学习函数。(对于给定的学习函数，权重和偏差学习参数会自动设置为默认值。)
为了训练网络，
集
net.trainParam属性设置为所需的值。将权重和偏差学习参数设置为期望值。
调用
火车．
算法
在每个epoch(一个遍历整个输入向量集)之后，根据其学习函数更新每个权值和偏差。
当满足以下条件时，训练停止:
最大数目
时代(重复)。性能被最小化到
目标．最大数量
时间是超过。验证性能的提高超过
max_fail从上次(使用验证时)开始减少的时间。
另请参阅
你也可以从以下列表中选择一个网站:
