Main Content

La traduzione di questa pagina non è aggiornata. Fai clic qui per vedere l'ultima versione in inglese.

cascadeforwardnet

Generare una rete neurale cascade-forward

Descrizione

esempio

net = cascadeforwardnet(hiddenSizes,trainFcn) restituisce una rete neurale cascade-forward con una dimensione del livello nascosto di hiddenSizes e una funzione di addestramento, specificata da trainFcn.

Le reti cascade-forward sono simili alle reti feed-forward ma includono una connessione dall’input e da ogni livello precedente ai livelli successivi.

Come per le reti feed-forward, una rete a cascata a due o più livelli può apprendere qualsiasi relazione finita input-output in modo arbitrario, purché vengano forniti un numero sufficiente di neuroni nascosti.

Esempi

comprimi tutto

Questo esempio mostra come utilizzare una rete neurale cascade-forward per risolvere un semplice problema.

Caricare i dati di addestramento.

[x,t] = simplefit_dataset;

La matrice 1 per 94 x contiene i valori di input, mentre la matrice 1 per 94 t contiene i valori target di output associati.

Costruire una rete cascade-forward con un livello nascosto di dimensione 10.

net = cascadeforwardnet(10);

Addestrare la rete net utilizzando i dati di addestramento.

net = train(net,x,t);

Figure Neural Network Training (23-Mar-2023 10:40:13) contains an object of type uigridlayout.

Visualizzare la rete addestrata.

view(net)

Stimare i target utilizzando la rete addestrata.

y = net(x);

Valutare la performance della rete addestrata. La funzione di performance predefinita è l'errore quadratico medio.

perf = perform(net,y,t)
perf = 1.9372e-05

Argomenti di input

comprimi tutto

Dimensione dei livelli nascosti nella rete, specificata come un vettore di riga. La lunghezza del vettore determina il numero di livelli nascosti nella rete.

Esempio Ad esempio, è possibile specificare una rete con 3 livelli nascosti, dove la dimensione del primo livello nascosto è 10, del secondo è 8 e del terzo è 5, come segue: [10,8,5]

Le dimensioni di input e di output sono impostate su zero. Il software regola le dimensioni di quest’ultime durante l’addestramento, in base ai dati di addestramento.

Tipi di dati: single | double

Nome della funzione di addestramento, specificato come uno dei seguenti.

Funzione di addestramentoAlgoritmo
'trainlm'

Levenberg-Marquardt

'trainbr'

Regolarizzazione bayesiana

'trainbfg'

Quasi-Newton BFGS

'trainrp'

Retropropagazione resiliente

'trainscg'

Gradiente coniugato scalato

'traincgb'

Gradiente coniugato con ripartenze Powell/Beale

'traincgf'

Gradiente coniugato di Fletcher-Powell

'traincgp'

Gradiente coniugato di Polak-Ribiére

'trainoss'

Secante a un passaggio

'traingdx'

Velocità di apprendimento variabile a discesa del gradiente

'traingdm'

Discesa del gradiente con momento

'traingd'

Discesa del gradiente

Esempio Ad esempio, è possibile specificare l'algoritmo di discesa del gradiente della velocità di apprendimento variabile come algoritmo di addestramento, come segue: 'traingdx'

Per ulteriori informazioni sulle funzioni di addestramento, vedere Train and Apply Multilayer Shallow Neural Networks e Choose a Multilayer Neural Network Training Function.

Tipi di dati: char

Argomenti di output

comprimi tutto

Rete neurale cascade-forward, restituita come un oggetto network.

Cronologia versioni

Introdotto in R2010b