Искусственные нейронные сети. Сивохин А.В - 69 стр.

epochs:   100         % – максимальное количество циклов
                             обучения;
  show:         25    % – интервал вывода данных;
  goal:         0     % – предельное значение критерия обучения;
  time:         Inf   % – максимальное время обучения;

   min_grad: 1.0e-006 % – максимальное значение градиента
                              критерия % качества;
   max_fail: 5        % – максимально допустимый уровень
                      % превышения ошибки контрольного
                      % подмножества по сравнению с обучающим.
   Процедура обучения прекратится, когда будет выполнено одно из
следующих условий:
   а) значение функции качества стало меньше предельного goal;
   б) градиент критерия качества стал меньше значения min_grad;
   в) достигнуто предельное значение циклов обучения epochs;
   г) превышено максимальное время, отпущенное на обучение time;
   д) ошибка контрольного подмножества превысила ошибку обу-
чающего более чем в max_fail раз.

   Функция traingd предполагает, что функции взвешивания
dotprod, накопления netsum и активации transig или rogsig имеют
производные. Для вычисления производных критерия качества обу-
чения perf по переменным веса и смещения используется метод об-
ратного распространения. В соответствии с методом градиентного
спуска вектор настраиваемых переменных получает следующее при-
ращение:
                        dx = lr * dperf / dx ,
где tr – параметр скорости настройки, равный по умолчанию 0,01.
Функцией одновременного поиска минимума вдоль заданного на-
правления в данной сети является функция srchbac.
   5. Обучить рассматриваемую сеть:


                                 69