آموزش دسته ای (batch training) اموزش افزایشی (Increasing training)

دو دستور train و adapt‌ در مطلب جهت آموزش یک شبکه عصبی بکار می روند جهت درک این دو دستور به دو مثال زیر دقت کنید:

دستور batch با هر ورودی، وزن ها و بایاس را به روز می کند (batch training)

clear
clc
Wo=[0 0];
bo=0;
alfa=.01;
p=[[1;2] [2;1] [2;3] [3;1]];
t=[4 5 7 7];
%use error , weight and bias in each iteration
for j=1:2
for i=1:4
    a(i)=Wo*p(:,i)+bo;
    e=t(:,i)-a(i);
    Wo=Wo+alfa*e*p(:,i)';
    bo=bo+alfa*e;
end
end

اما دستور train‌ به روش Increasing training اموزش می دهد یعنی پس اتمام یک گذر از ورودی ها، وزن ها و بایاس ها را به روز می کند

clear
clc
Wo=[0 0];
bo=0;
Wn=[0 0];
bn=0;
alfa=.01;
p=[[1;2] [2;1] [2;3] [3;1]];
t=[4 5 7 7];
for j=1:2
for i=1:4
    a(i)=Wn*p(:,i)+bn;
    e=t(:,i)-a(i);
    Wo=Wo+alfa*e*p(:,i)';
    bo=bo+alfa*e;
end
   Wn=Wo;
   bn=bo;
end

آموزش دسته ای (batch training) اموزش افزایشی (Increasing training)

مطالب مشابه :

مرجع اصلی جعبه ابزار شبکه عصبی (Neural network toolbox ) نرم افزار متلب

شبکه های عصبی معروف (دستور Network)

کلاس شبکه عصبی، فازی و ژنتیک الگوریتم با MATLAB در جهاد دانشگاهی امیرکبیر

جزوه درس شبکه عصبی دکتر محمد تشنه لب

آموزش دسته ای (batch training) اموزش افزایشی (Increasing training)

ساخت شبکه عصبی چند لایه با دستور newff

روش Model Reference Adaptive Control یا MRAC در سیمولینک

کاربرد شبکه عصبی در کنترل تطبیقی