[小學(xué)教育]在matlab6x中構(gòu)建bp-wenkub
2022-11-02 23:23:00 本頁面
【正文】 longsig((0,1)), tansig((1,1))和 purelin ? c. 輸出層 : 可以采用 logsig 與 tansig, 或者purelin. (最好 purelin: ) ? 5. 最簡便的構(gòu)建方法 newff(三層為例 ) ? = newff (PR,[S1 S2 S3],{TF2 TF3}, BTF, BLF, PF) ? PR: m by 2 矩陣第 i行表示第 i維輸入的取值范圍 . ? Si: 第 i層單元個數(shù) ? TFi: i層傳遞函數(shù) default = 39。learngdm‘ ? 此時網(wǎng)絡(luò)權(quán)值以及偏置項已經(jīng)采用NguyenWidrow layer initialization method初始化完畢 . ? PF: 性能函數(shù) default = ‘mse‘ 均方誤差和 ?為什么 BTF與 BLF不同 : ? BTF: 得到 dWi, dBi ? BLF: 更新 Wi, Bi ? 的問題 ? object, 所含內(nèi)容 ? b. , , cell型數(shù)據(jù) ? c. 訓(xùn)練算法及參數(shù) : . 二 . 各種訓(xùn)練方法比較 : 1. LM算法的一些注意事項 : TRAINLM 由于速度很快所以是默認(rèn)的算法 , 但是很消耗內(nèi)存 . ? 原因 :儲存一個 s by m的 Jacobi 矩陣 , 當(dāng)樣本數(shù)目 s很大的時候?qū)е潞馁M內(nèi)存過多 . ? 解決方案 : ? Bogdan M. Wilamowski 的 ? An Algorithm for Fast Convergence in Training Neural Networks ? ? Levenberg – Marquadt算法主要解決非線性最小二乘問題 . ? 使用 trainlm時如果有 “ outofmemory” 錯誤提示的時候應(yīng)采用如下步驟 : ? (1) 通過設(shè)置 來減少對內(nèi)存的需求 .設(shè)置mem_reduc 為 2, 再重新訓(xùn)練一次 . 如果仍然出現(xiàn)內(nèi)存不足的情況增加 mem_reduc的值 , 由于 a significant putational overhead is associated with puting the Jacobian in submatrices但是運行時間也會隨之增加 . ? 參數(shù)意義如下 : ? If mem_reduc is set to 1, then the full Jacobian is omputed, and no memory reduction is achieved. If mem_reduc is set to 2, then only half of
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1