注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

数据挖掘

学习数据挖掘

 
 
 

日志

 
 

Matlab中train与adapt的区别【原创】  

2012-08-16 20:47:45|  分类: Matlab |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
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。

http://powerelite.blog.163.com/blog/static/42965891201271684745786/ 

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 7 7}
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 2 3;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 3 1];
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 2 3;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 3 1];
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;0 1];
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。
  评论这张
 
阅读(5773)| 评论(0)
推荐 转载

历史上的今天

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017