train和adapt的学习

转：学习自http://www.matlabsky.com/thread-4084-1-1.html

adapt  N=TS

输入输出样本对是按照TS时间延迟来一个一个逐步“调整”网络的权系值的。每给网络一个样本，网络就根据这个样本数据更新一次，如果有N个样本，那网络就更新N次。当然，也可以使网络在输入完所有样本后，再重新将该样本集输入给网络。输入一次样本集(sequence of inputs)，就称为一个"pass"。其中，样本集的个数应该等于TS，即前面提到的

train 

所有的训练样本都参与了训练过程，即使网络只迭代一次。训练(train)是根据性能函数（或者叫做误差函数）来对权系值的矩阵进行迭代，但调整(adapt)则没有这样的性能函数，仅给了一个误差值。

matlab中神经网络的训练分为批训练(batch training)和增长训练(incremental training)。其中如果用train来训练网络则是批训练，adapt既可以实现批训练和实现增长训练，主要取决于神经网络的输入形式是并行输入（concurrent inputs-批训练，还是串行输入（sequential inputs-增长训练。

比如说，训练样本有100个。
1.train：在这100个样本一次性掉入进行网络计算后，对网络参数进行一次调整。
2.adapt：如果[]输入，这和train相当；如果{}输入，则样本一个一个输入，每输入一个样本数据进行一次计算，然后对网络参数进行一次调整，所以共要调整100次。需要注意的一点是，不是所有的训练函数和学习函数都支持增长训练(incremental training)