DL学习笔记1—BP算法的matlab代码学习

最新推荐文章于 2024-08-14 10:35:52 发布

琳小白

最新推荐文章于 2024-08-14 10:35:52 发布

阅读量1w

点赞数 3

分类专栏： ML/DL/TL 文章标签： matlab BP 反向传播深度学习机器学习

本文链接：https://blog.csdn.net/qq_24421591/article/details/50263073

版权

本文介绍了MATLAB中用于深度学习的BP神经网络训练和仿真的关键函数，包括traingd的梯度下降反向传播、newff的前馈网络创建、train的网络训练以及sim的网络仿真。通过示例展示了训练过程和误差变化，探讨了当训练误差达到最小值后是否继续迭代的问题。

摘要由CSDN通过智能技术生成

声明：文中的两个案例matlab源码引用自网络，并非本人所写，在此感谢原作者。原链接http://wenku.baidu.com/view/d8df1821aaea998fcc220e03.html?from=search

1）traingd——梯度下降反向传播

traingd Gradient descent backpropagation.
traingd is a network training function that updates weight and
bias values according to gradient descent.
根据梯度下降法更新权值和偏置。

2)newff ：前馈网络创建函数

newff Create a feed-forward backpropagation network.

3) train:训练网络

train Train a neural network.
[NET,TR] = train(NET,X,T) takes a network NET, input data X and target data T and returns the network after training it, and a a training record TR.
返回训练后的网络和训练记录TR

4）sim：利用网络进行仿真

sim Simulate a neural network.
sim(NET,X) takes a network NET and inputs X and returns the outputs Y generated by the network. This syntax is equivalent to NET(X).
返回由网络产生的输出。