?bp網絡設置如下:

%創建網絡 % logsig：對數S形轉移函數，單極性；tansig: 雙極性S形轉移函數；purelin：線性函數 % traingdx ：梯度下降自適應學習率訓練函數，traingdm,trainlm, trainscg 這些是權值的學習算法 % traingdm是帶動量的梯度下降法，trainlm是指L-M優化算法，trainscg是指量化共軛梯度法 net=newff(minmax(p1),[8, 15, 12, 1],{'tansig', 'tansig','tansig','purelin'},'trainlm'); %設置訓練次數 net.trainParam.epochs = 600; %設置收斂誤差 net.trainParam.goal=0.0001; %設置學習率 net.trainParam.lr = 0.003 ; %設置動量因子，避免局部最優和過擬合 net.trainParam.mc=0.9; %最小確認失敗次數 net.trainParam.max_fail=6; %設置訓練數據 比例：訓練：驗證：測試 net.divideFcn = 'divideblock' ; net.divideParam.trainRatio = 0.7; net.divideParam.valRatio = 0.15; net.divideParam.testRatio = 0.15;

?? 對上述bp神經網絡進行訓練的時候，訓練結果還沒有達到目標的精度，就由于validation checks的值達到了6而停止了進一步的訓練，如下圖：

? ? 神經網絡的樣本默認情況下會將樣本隨即分為3類：訓練樣本，確認樣本和測試樣本。
? ? 確認檢查值默認是6，它的意思是指隨著網絡利用訓練樣本進行訓練的過程中，確認樣本的誤差曲線連續6次迭代不再下降。這時訓練終止（這只是訓練終止條件之一，滿足任一終止條件，訓練過程都將終止）。
? ? 深層含義你可以這樣理解，如果隨著網絡的訓練，確認樣本的誤差已經基本不在減小，甚至增大，那么就沒有必要再去訓練網絡了，因為繼續訓練下去的話，在利用測試樣本進行測試網絡的話，測試樣本的誤差將同樣不會有所改善，甚至會出現過度擬合的現象。

? ? 根據《matlab人工神經網絡參數》的提示，可以通過下面的設置來改變Validation Checks的值

net.trainParam.max_fail=100; % 最小確認失敗次數

?

參考資料

[1]請教：Matlab 7.8 BP網絡訓練時validation checks 6 退出訓練問題

[2]求助:有人懂validation check嗎

總結

以上是生活随笔為你收集整理的Matlab ANN人工神经网络 validation checks的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。