Расчет и оптимизация процессов и аппаратов химических и пищевых производств в среде MatLab. Дворецкий Д.С - 60 стр.

UptoLike

ВУЗ: 

ТГТУ | Тамбов

Составители: 

Рубрика: 

Следующий шаг – обучение созданной сети, т.е. определение весов и смещений всех синапсов во
всех слоях НС в соответствии со следующей общей схемой (рис. 7.4).
Рис. 7.4 Общая схема обучения НС
При этом перед обучением любой сети необходимо задать параметры обучения (в скобках приведе-
ны значения по умолчанию).
− net.trainParam.epochs (100) — заданное количество циклов обучения;
− net.trainParam.show (25) – количество циклов для показа промежуточных результатов;
− net.trainParam.goal (0) – целевая ошибка обучения;
− net.trainParam.time (со) – максимальное время обучения в секундах;
− net.trainParam.min_grad (10
-6
) – целевое значение градиента;
− net.trainParam.max_fail (5) – максимально допустимая кратность превышения ошибки провероч-
ной выборки по сравнению с достигнутым минимальным значением;
− net.trainParam.searchFcn ('srchcha') – имя используемого одномерного алгоритма оптимизации.
В нашем случае программный код обучения сети будет следующий.
% задаем функцию оценки функционирования
net.performFcn='sse';
% задаем критерий окончания обучения
net.trainParam.goal=0.01;
% задаем максимальное количество циклов обучения
net.trainParam.epochs=1000;
% обучаем сеть
[net,tr]=train(net,P,T);
Рис. 7.5 Зависимость E(w) от цикла обучения

Страницы