训练算法

上一章:

下一章:

目录

-------------------------------------------翻译：xychn15@yahoo.com.cn--------------------------------

训练算法

在神经网络工具箱中有许多已经实现了的训练算法。这要比我们手工调整权值要好要快。现在让我们来使用默认的训练算法调整我们的网络。使用的matlab命令是 train, 需要的参数有网络, 输入矩阵和目标值矩阵. train 命令返回一个训练过的网络。输入 helpwin train得到更多相关信息. 在这个例子中我们不需要训练算法输出的所有信息，所以我们关闭它：

>> net.trainParam.show=NaN;

最重要的训练参数是 .epochs，决定了训练的最大次数, .show the interval between each presentation of training progress. 如果执行梯度小于.min_grad 将结束训练. .time 决定最大训练时间。

训练网络输入:

>> net  = train(net,input,target);

由于这是个小型网络，训练在一两秒钟内就 完成了。现在我们再次仿真网络，来看看对输入的反应：

>> output = sim(net,input)

output =

    0.0000    1.0000    1.0000    0.0000

这正是我们期望的输出！你现在可以画出输出，并见到+都落在o上了。现在检查训练算法设置的权值，同你发现的权值像吗？

>> net.IW{1,1}

ans =

   11.0358   -9.5595
   16.8909  -17.5570

>> net.LW{2,1}

ans =

   25.9797  -25.7624

也可以在建立网络的时候输入训练算法名，更多信息见help newff .

---

• 练习

Exercise 36  
使得训练算法显示每个时间段的信息。显示了哪些信息？为什么训练会停止？

Exercise 37  
用神经网络解决异或问题。使用 traingd 算法训练， epochs取2000.

Exercise 38  
建立神经网络解决或问题（图4.2）解决这个问题的最小网络是多大？

图 4.2: The OR-problem

A B A OR B 1 1 1 1 0 1 0 1 1 0 0 0

Exercise 39  
建立前向神经网络解决作业1。你找到的权值和Matlab找到的一样吗？

---------------------------------------------------------------------------------------

上一章:绪论

下一章:使用Matllab学习Matlab

目录