如何在MATLAB中更改newfit（）的默认参数？

Question

我正在使用

net = newfit(in,out,lag(j),{'tansig','tansig'});

生成一个新的神经网络。 validation checks的默认值为6。

我正在训练很多网络，这需要花费很多时间。我想如果我的结果可以提高得多，那么我的结果就不那么准确了。< / p>

我如何更快地训练？

• 我认为其中一种方法可能是减少验证检查次数的价值。我怎么能这样做（在代码中，而不是使用GUI）
• 还有其他方法可以提高速度。

正如我所说，速度的提高可能会略微降低准确性。

Answer 1

只是为了延长@mtrw答案，根据documentation，当出现任何这些情况时，训练停止：

• 已达到纪元的最大数量：net.trainParam.epochs
• 超出了时间的最大值：net.trainParam.time
• 效果最小化为目标：net.trainParam.goal
• 效果渐变低于 min_grad ：net.trainParam.min_grad
• mu超过 mu_max ：net.trainParam.mu_max
• 自此以后，验证效果增加超过 max_fail 次   它最后一次减少（使用验证时）：net.trainParam.max_fail

时代和时间约束允许在训练持续时间上设置上限。

目标约束在性能（错误）低于它时停止训练，并且通常允许您调整时间/准确度权衡级别：不太准确的结果以加快执行速度。

这类似于 min_grad （渐变告诉你“下降”的强度），如果渐变的幅度小于mingrad，训练就会停止。可以理解的是，如果误差函数变化不大，那么我们就会达到一个平台，我们应该停止训练，因为我们不会有太大的改进。

mu ， mu_dec 和 mu_max 用于控制权重更新过程（反向传播）。

max_fail 通常用于避免过度拟合，而不是用于加速。

我的建议是，将时间和 epochs 设置为应用程序约束允许的最大值（否则结果会很差）。反过来，您可以控制目标和 min_grad 以达到所需的速度/准确性权衡级别。请记住， max_fails 不会让你获得任何时间，因为它主要用于确保良好的泛化能力。

Answer 2

（免责声明：我没有神经网络工具箱，所以我只是从Mathworks文档中推断出来）

从您输入的参数中查看，例如您正在使用TRAINLM。根据文档，您可以设置net.trainParam.max_fail参数以更改验证检查。

您可以设置初始mu值，以及增量和减量因子。但这需要对搜索的预期答案和性能有所了解。

对于更直接的方法，您还可以通过将net.trainParam.epochs参数设置为小于其默认值100的值来控制最大迭代次数。您还可以设置net.trainParam.time参数来限制数量几秒钟。

您应该将net.trainParam.show设置为NaN以跳过任何显示。

Answer 3

神经网络在MATLAB中被视为对象。要在培训之前（或之后）访问任何参数，您需要使用.运算符访问网络的属性。

除了mtrw和Amro的答案之外，让MATLAB的神经网络工具箱文档成为您最好的朋友。它通常会更详细地解释事情。