matlab中epochs是什么意思

matlab中epochs是计算时根据输出误差返回调整神经元权值和阀值的次数。

验证方法：

(一)使用网络 linearlayer

1，cell输入形式

输入 P={[12] [21] [23] [31]}

目标值 T={4 5 7 7}

使用adapt

输入命令：

P={[12] [21] [23] [31]}

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}= 1.56001.5200

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 32 1 3 1]

输出T=[4 5 7 7]

使用adapt

输入命令：

P=[1 2 2 32 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}=0.49000.4100

net.b{1}= 0.2300

3,矩阵输入形式

输入P=[1 2 2 32 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 32 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}=0.49000.4100

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：有时间再做。

你这个程序每次大循环都输出一次A，你是想让这些A矩阵相加吧？clcclearsyms

a

b

c

depoch=0sum=zeros(6)for

i=1:5

for

a=1:2

for

b=1:2

k=[1

-1-1

1]

B=[1

44

22

55

33

6]

c=B(i,a)

d=B(i,b)

A=zeros(6)

A(c,d)=k(a,b)

epoch=epoch+1

sum=sum+A

end

endend红色部分是我加上的，epoch部分是个循环的计数，可有可无

---