Traingda
带有自适应学习率反向传播的梯度下降
描述
net.trainfcn ='traingda'
设置网络Trainfcn
财产。
[[
训练网络训练的网络
,,,,tr
] =火车(网
,...))Traingda
。
Traingda
是一种网络训练功能,可根据自适应学习率根据梯度下降来更新重量和偏差值。
训练是根据Traingda
培训参数,此处显示其默认值:
net.trainparam.epochs
- 最大训练时期数量。默认值为1000。net.trainparam.goal
- 性能目标。默认值为0。net.trainparam.lr
- 学习率。默认值为0.01。net.trainparam.lr_inc
- 比率提高学习率。默认值为1.05。net.trainparam.lr_dec
- 比率降低学习率。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
- 最大性能提高。默认值是1.04
。net.trainparam.min_grad
- 最低性能梯度。默认值是1E-5
。net.trainparam.show
- 显示之间的时期(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
- 表演训练GUI。默认值是真的
。net.trainparam.time
- 最大的时间在几秒钟内进行训练。默认值是inf
。
输入参数
输出参数
更多关于
算法
Traingda
只要其重量,净输入和传输功能具有衍生功能,就可以训练任何网络。
反向传播用于计算性能的导数dperf
关于重量和偏差变量X
。每个变量根据梯度下降进行调整:
dx = lr*dperf/dx
在每个时期,如果绩效向目标降低,则学习率会通过因素提高lr_inc
。如果性能增加超过因素max_perf_inc
,学习率由因素调整lr_dec
并且没有做出提高性能的变化。
当发生任何这些条件时,训练停止:
最大数量
时代
(重复)已达到。最大数量
时间
超过。性能最小化
目标
。性能梯度低于
min_grad
。验证性能(验证错误)的增加超过
max_fail
自上次减少以来(使用验证时)。