设为首页 - 加入收藏 焦点技术网
热搜:java
当前位置:首页 >

Matlab中train与adapt的区别

2014-01-08 13:18:00.0  
导读:绝大多数资料的表述:adapt是用来在线学习(增量学习)的,前提输入形式为cell类型的;triain是用来离线学习(批量学习)。所以找几个函数命令进行测试加以验证。采用linearlayer验证验证方法:(一)使用网络 linearlayer1, cell输入形式输入 P={[1;2][2;1] [2;3] [3;1]};目标值 T={4 5 77}使用adapt;输入命令:P={[1;2] [...。。。

绝大多数资料的表述:adapt是用来在线学习(增量学习)的,前提输入形式为cell类型的;triain是用来离线学习(批量学习)。所以找几个函数命令进行测试加以验证。

采用linearlayer验证

验证方法:

(一)使用网络 linearlayer

1, cell输入形式

输入 P={[1;2][2;1] [2;3] [3;1]};

目标值 T={4 5 77}

使用adapt;

输入命令:

P={[1;2] [2;1][2;3] [3;1]};

T={4 5 7 7};

net=linearlayer(0,0.1);

net=configure(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

[net,a,e]=adapt(net,P,T);

权重更新4次,最后值:

net.IW{1,1}=1.5600    1.5200

net.b{1}=0.9200

仿真结果:[0]   [2]    [6.0000]    [5.8000]

2,矩阵输入形式

输入P=[1 2 23;2 1 3 1];

输出T=[4 5 7 7]

使用adapt;

输入命令:

P=[1 2 2 3;2 1 31];

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configure(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

[net,a,e]=adapt(net,P,T);

权重更新一次,最后值:

net.IW{1,1}=0.4900   0.4100

net.b{1}= 0.2300

3,矩阵输入形式

输入P=[1 2 23;2 1 3 1];

输出T=[4 5 7 7]

使用train;(其中设置epochs=1)

前提:对学习函数和训练函数加入显式的调用命令

P=[1 2 2 3;2 1 31];

T=[4 5 7 7];

net=linearlayer(0,0.01);

net=configure(net,P,T);

net.IW{1,1}=[0,0];

net.b{1}=0;

net=trian(net,P,T);

权重更新一次,最后值:

net.IW{1,1}=0.4900   0.4100

net.b{1}= 0.2300

结论:对于静态网络而言linearlayer,adapt的cell输入为在线学习,而矩阵输入为离线学习相当于train的一个回合。

至于动态网络:有时间再搞。

(二) 对于competlayer的测试

首先产生数据集,(来源与matlab的democ1)

bounds=[0 1;01];

clusters = 8;         % This many clusters.

points = 10;          % Number of points in each cluster.

std_dev = 0.05;       % Standard deviation of each cluster.

x =nngenc(bounds,clusters,points,std_dev);

此时x为矩阵。

competlayer网络权重的调整依靠learnk函数,偏移的调整依靠learncon。

采用如下命令进行网络搭建

net=competlayer(8);

net=configure(8,x);

----------使用adapt---------

net1=adapt(net,x);

调用K权重学习函数    %调用一次

调用B偏移学习%调用一次

----------------使用train--------------------

net.trainParam.epochs=1; %方便观测调用权重调整函数的次数,将回合数设置为1; net2=train(net,x);

调用K权重学习函数    %调用80次

调用B偏移学习%调用80次

 

---此时与train是进行离线学习的 不符,因为权重调整了80次,应当调整1次。原因:竞争网络没有离线学习,学习规则只有在线学习。adapt和train的使用规则是针对BP网络的?在一本书中看到竞争网络是有离线学习的,不过不能自适应。进一步查资料。

将x转换成cell分别进行测试

net=competlayer(8);

net1=adapt(net,x);

调用K权重学习函数    %调用80次

调用B偏移学习%调用80次

net2=train(net,x);

调用K权重学习函数    %调用一次

调用B偏移学习%调用一次

测试结果如上,查看matlab代码,简单看看,competlayer网络调用的adapt函数是:adaptwb,要求输入是有序的矩阵,所以使用adapt调用的时候使用 cell,train使用的是 trianru,涉及一个测量输入计入条数的命令,如果使用cell则值为1,故应该使用矩阵输入。

个人认为:在competlayer中adapt 和train的使用方法不同与BP网络。等有时间仔细看看matlab的相关代码。找出原因。

类似的可以应到其他自组织的网络上面,从本质上来说是受定义的adapt,train(此非彼)函数的影响。

(编辑: wangmingliang1990)

网友评论
相关文章