训练函数和自适应学习函数区别:
从范围上:
训练函数包含学习函数,学习函数是属于训练函数的一部分;
从误差上:
训练函数对整体来说误差是最小,学习函数对于单个神经元来说误差是最小;
从服装整体上:
训练函数是全局调整权值和阈值,学习函数是局部调整权值和阈值。
1. 学习函数
learnp 感知器学习函数
learnpn 标准感知器学习函数
learnwh Widrow_Hoff学习规则
learngd BP学习规则
learngdm 带动量项的BP学习规则
learnk Kohonen权学习函数
learncon Conscience阈值学习函数
learnsom 自组织映射权学习函数
2. 训练函数
trainwb 网络权与阈值的训练函数
traingd 梯度下降的BP算法训练函数
traingdm 梯度下降w/动量的BP算法训练函数
traingda 梯度下降w/自适应lr的BP算法训练函数
traingdx 梯度下降w/动量和自适应lr的BP算法训练函数
trainlm Levenberg_Marquardt的BP算法训练函数
trainwbl 每个训练周期用一个权值矢量或偏差矢量的训练函数
训练函数是全局调整权值和阈值,考虑的是整体误差的最小。
学习函数是局部调整权值和阈值,考虑的是单个神经元误差的最小。
所以两者不冲突,可以一样也可以不同,就像你绕着楼跑步时,地球也在绕着太阳跑,是局部与整体的区别,既有联系又有区别,辩证统一。
训练函数和学习函数是两个不同的函数 ,网络设置中两个都有。
简单的说,训练函数确定调整的大算法,学习函数决定调整量怎么确定