trainrp
有弹性的反向传播
描述
net.trainFcn= 'trainrp'
设置网络trainFcn
财产。
(
列车的网络trainedNet
,tr
)=火车(净
,……)trainrp
。
trainrp
是一个网络的训练函数更新重量和偏差值根据弹性反向传播算法(Rprop)。
训练时根据trainrp
训练参数,这里显示的默认值:
net.trainParam.epochs
最大数量的时代。默认值是1000年
。net.trainParam.show
显示器之间的时代(南
没有显示)。默认值是25
。net.trainParam.showCommandLine
——生成命令行输出。默认值是假
。net.trainParam.showWindow
——显示训练GUI。默认值是真正的
。net.trainParam.goal
——性能目标。默认值是0
。net.trainParam.time
——最长时间火车在几秒钟内。默认值是正
。net.trainParam.min_grad
——最低性能梯度。默认值是1 e-5
。net.trainParam.max_fail
——最大的验证失败。默认值是6
。net.trainParam.lr
——学习速率。默认值是0.01
。net.trainParam.delt_inc
——增加体重变化。默认值是1.2
。net.trainParam.delt_dec
——减量体重变化。默认值是0.5
。net.trainParam.delta0
——初始体重变化。默认值是0.07
。net.trainParam.deltamax
——最大重量变化。默认值是50.0
。
例子
输入参数
输出参数
更多关于
算法
trainrp
可以训练任何网络只要它的重量,净输入,传输函数导数函数。
反向传播用于计算衍生品的性能性能
关于重量和偏见变量X
。每个变量是根据以下调整:
dX =△。*标志(gX);
的元素△
都是初始化delta0
,gX
梯度。在每个迭代的元素△
被修改。如果一个元素的gX
更改从一个迭代到另一个迹象,那么相应的元素△
是减少了delta_dec
。如果一个元素的gX
保持相同的信号从一个迭代到另一个,然后相应的元素△
是增加了delta_inc
。看到Riedmiller, M。,H. Braun, “A direct adaptive method for faster backpropagation learning: The RPROP algorithm,”《IEEE国际会议上神经网络,1993年,页586 - 591。
训练停止任何这些条件发生时:
的最大数量
时代
(重复)。的最大数量
时间
是超过。性能是最小化
目标
。性能梯度低于
min_grad
。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)。
引用
[1]Riedmiller, M。,H. Braun, “A direct adaptive method for faster backpropagation learning: The RPROP algorithm,”《IEEE国际会议上神经网络,1993年,页586 - 591。
版本历史
之前介绍过的R2006a