由http://blog.sina.com.cn/s/blog_5c9288aa0101gsu2.html轉(zhuǎn)載

1 一般參數(shù).perFrom*

.perFromFcn='sse'; ????????????????????????% 性能函數(shù)，這里設(shè)置為‘sse’，即誤差平方和

2 訓(xùn)練參數(shù).trainParam.*

.trainParam.goal=0.1 ???????????????????% 訓(xùn)練目標(biāo)最小誤差，這里設(shè)置為0.1

.trainParam.epochs=300; ????????????% 訓(xùn)練次數(shù)，這里設(shè)置為300次

.trainParam.show=20; ??????????????????% 現(xiàn)實(shí)頻率，這里設(shè)置為沒(méi)訓(xùn)練20次顯示一次

.trainParam.mc=0.95; ???????????????????% 附加動(dòng)量因子

.trainParam.lr=0.05; ??????????????????????% 學(xué)習(xí)速率，這里設(shè)置為0.05

.trainParam.min_grad=1e-6; ???????% 最小性能梯度

.trainParam.min_fail=5; ????????????????% 最大確認(rèn)失敗次數(shù)

(3)設(shè)置網(wǎng)絡(luò)的訓(xùn)練參數(shù)

net.trainParam.epochs―最大收斂次數(shù)；

net.trainParam.goal―收斂誤差；

net.trainParam.show―顯示間隔；

以上在一般的神經(jīng)網(wǎng)絡(luò)訓(xùn)練中都有使用，本文使用Levenberg－Marquart優(yōu)化算法進(jìn)行訓(xùn)練，還需設(shè)置的參數(shù)有：

net.trainParam.mu―Levenberg－Marquart優(yōu)化算法中的?

net.trainParam.mu_dec― 的縮減因子；

net.trainParam.mu_inc― 的增大因子；

net.trainParam.mu_max― 的最大值；

net.trainParam.min_grad―性能函數(shù)的最小梯度；

3 權(quán)值/閾值

net.iw ?????????????????????????????????????% 權(quán)值元包：net.iw{1}——當(dāng)網(wǎng)絡(luò)只有一層時(shí)，net.iw是一個(gè)1x1的cell；net.iw{1,1}——當(dāng)網(wǎng)絡(luò)

????????????????????????????????????????????????%有多層時(shí)，net.iw是一個(gè)元包矩陣。

net.b ??????????????????????????????????????% 閾值/偏置值，也是一個(gè)元包

http://blog.csdn.net/q1302182594/article/details/8791716

http://hi.baidu.com/lingyin55/item/5e266c2bc061d985ae48f53d

神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

http://blog.sina.com.cn/s/blog_48ee23c80100rmkx.html

總結(jié)

以上是生活随笔為你收集整理的MATLAB 神经网络训练参数解释的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。