Искусственные нейронные сети. Сивохин А.В - 59 стр.

   net.biases{1}.lean – индикатор настройки: 0 – с помощью метода
adapt, 1 – с помощью метода train;
   net.biases{1}.learnFcn – функция настройки вектора смещений:
learncon, learngd, learngdm, learnnp, learnwh;
   net.biases{1}.learnParam – параметры функции настройки, опре-
деляемые с помощью команды help.(net.biases{1}.learnFcn);
   net.inputWeights{1, 1}.initFcn – функция инициализации весов
входа: initzero, midpoint, randnc, randnr, rands;
   net.inputWeights{1,1}.learn – индикатор настройки: 0 – с помо-
щью метода adapt, 1 – с помощью метода train;
   net.inputWeights{1,1}.learnFcn – функция настройки весов:
learngd, learngdm, learnhd, learnis, learnk, learnlv1, learnlv2,
learnos, learnnp, learnpn, learnsom, learnnwh;
   net.inputWeights{1,1}.learnParam – параметры функции настрой-
ки, определяемые с помощью команды help(net.inputWeights {1,1}.
learnParam);
   net.inputWeights{1,1}.weightFcn – функция для вычисления
взвешенных входов для слоя: dist, dotprod, mandist,negdist, norm-
prod;
   для многослойных сетей параметры net.inputWeights{i,j}, связан-
ные с обучением такие, как initFcn, learn, learnFcn, learnParam,
weightFcn, имеют тот же смысл и могут принимать такие же значе-
ния, что и соответствующие параметры для net.inputWeights{1,1}.
   5. Выполнить один цикл адаптации сети с нулевым параметром
скорости настройки:

  [net1, a, e,] = adapt(net, P, T,);
         net1.IW{1,1} % – матрица весов после адаптации;
                a       % – четыре значения выхода;
                e       % – четыре значения ошибки.

   6. Инициализировать нулями веса входов и смещений и задать
параметры скорости настройки для них соответственно 0.2 и 0:


                               59