0 前言
本文基于MatlabR2009a分享神经网络的训练过程。
1 启动训练
在Matlab中使用train函数对神经网络进行训练的时候,会弹出以下窗体:
由上图中的Netrual Network项可见,这是一个两层的网络。
2 算法规则
在Algorithms下面,描述了本神经网络的一些算法。
Trainning:训练的算法,在本例子中,采用的是BP算法
Performance:性能检测算法,在本例中,采用的是均方差(mse)
3 进度
在Progress下面,显示了当前的训练状态。
3.1 Epoch
训练次数,在其右边显示的是最大的训练次数,可以设定,上面例子中设为300;而进度条中显示的是实际训练的次数,上面例子中实际训练次数为146次。 一般情况下,训练的次数都会达到最大的训练次数才会停止训练(点击Stop Trainning按键的除外)。但是,如果在train参数中,指定了确定样本,则可能会提前停止训练。
3.2 Time
训练时间,也就是本次训练中,使用的时间
3.3 Performance
性能指标,本例子中为均方误差(mse)的最大值。精度条中显示的是当前的均方误差;进度条右边显示的是设定的均方误差(如果当前的均方误差小于设定值,则停止训练),这个指标可以用用.trainParam.goal参数设定。
3.4 Gradiengt
梯度,进度条中显示的当前的梯度值,其右边显示的是设定的梯度值。如果当前的梯度值达到了设定值,则停止训练。
3.5 Validation Checks
校验检查
4 绘图
在Plots下面,有3个按键,分别用于绘制当前神经网络的性能图,训练状态和回归分析。分别如下图所示。