BP网络的训练函数
训练方法 训练函数
梯度下降法 traingd
有动量的梯度下降法 traingdm
自适应lr梯度下降法 traingda
自适应lr动量梯度下降法 traingdx
弹性梯度下降法 trainrp
Fletcher-Reeves共轭梯度法 traincgf
Ploak-Ribiere共轭梯度法 traincgp
Powell-Beale共轭梯度法 traincgb
量化共轭梯度法 trainscg
拟牛顿算法 trainbfg
一步正割算法 trainoss
Levenberg-Marquardt trainlm
BP网络训练参数
在Matlab中,如果要创建一个具有两个隐含层、且神经元数分别为5、3的前向BP网络,使用旧的语法可以这样写:
net2 = newff(P, T, [5 3]);
不过,为了得到与书本示例接近的结果,接下来需要清除net2.divideFcn等属性再训练,否则结果相去甚远,且远不止一个数量级。
net2.divideFcn = '';
net2.inputs{
1}.processFcns = {
}; % 1是输入层所在网络层编号
net2.outputs{
3}.processFcns = {
}; % 3 是输出层所在网络层编号
clear all
P = [-1 -1 2 2; 0 5 0 5];
T = [-1 -1 2 2];
%% 新式语法
net2 = newff(P,T,5,{
'tansig', 'purelin'}, 'traingd'); % 隐含层有5个神经元
net2.trainParam.goal = 1e-5;
net2.trainParam.epochs = 300;
net2.trainParam.lr = 0.05;
net2.trainParam.showWindow = 1;
net2 = train(net2,P,T);
Y2