cascadeforwardnet

Generar una red neuronal prealimentada en cascada

Sintaxis

net = cascadeforwardnet(hiddenSizes,trainFcn)

Descripción

net = cascadeforwardnet(hiddenSizes,trainFcn) devuelve una red neuronal prealimentada en cascada con un tamaño de la capa oculta de hiddenSizes y una función de entrenamiento especificada por trainFcn.

Las redes en cascada son similares a las redes de propagación hacia adelante, pero incluyen una conexión desde la entrada y cada capa anterior a las capas siguientes.

Al igual que con las redes de propagación hacia adelante, una red en cascada de dos o más capas puede aprender cualquier relación de entrada-salida finita de manera arbitrariamente buena si cuenta con suficientes neuronas ocultas.

Ejemplos

Construir y entrenar una red neuronal prealimentada en cascada

Este ejemplo muestra cómo usar una red neuronal prealimentada en cascada para resolver un problema sencillo.

Cargue los datos de entrenamiento.

[x,t] = simplefit_dataset;

La matriz de 1 por 94 x contiene los valores de entrada, y la matriz de 1 por 94 t contiene los valores de salida objetivo asociados.

Cree una red prealimentada en cascada con una capa oculta con un tamaño de 10.

net = cascadeforwardnet(10);

Entrene la red net usando los datos de entrenamiento.

net = train(net,x,t);

Visualice la red entrenada.

view(net)

Estime los objetivos usando la red entrenada.

y = net(x);

Evalúe el rendimiento de la red entrenada. La función de rendimiento predeterminada es el error cuadrático medio.

perf = perform(net,y,t)

perf = 
1.9372e-05

Argumentos de entrada

hiddenSizes — Tamaño de las capas ocultas

10 (predeterminado) | vector fila

Tamaño de las capas ocultas de la red, especificado como un vector fila. La longitud del vector determina el número de capas ocultas de la red.

Ejemplo: Por ejemplo, puede especificar una red con 3 capas ocultas, en la que el tamaño de la primera capa oculta es 10, el de la segunda es 8 y el de la tercera es 5, de la siguiente manera: [10,8,5]

Los tamaños de entrada y salida se establecen en cero. El software ajusta los tamaños durante el entrenamiento, de acuerdo con los datos de entrenamiento.

Tipos de datos: single | double

trainFcn — Nombre de la función de entrenamiento

'trainlm' (predeterminado) | 'trainbr' | 'trainbfg' | 'trainrp' | 'trainscg' | ...

Nombre de la función de entrenamiento, especificado como una de las siguientes opciones.

Función de entrenamiento	Algoritmo
'trainlm'	Levenberg-Marquardt
'trainbr'	Regularización bayesiana
'trainbfg'	BFGS quasi-Newton
'trainrp'	Retropropagación resiliente
'trainscg'	Gradiente conjugado escalado
'traincgb'	Gradiente conjugado con reinicios de Powell/Beale
'traincgf'	Gradiente conjugado de Fletcher-Powell
'traincgp'	Gradiente conjugado de Polak-Ribiére
'trainoss'	Secante de un paso
'traingdx'	Gradiente descendente de tasa de aprendizaje variable
'traingdm'	Gradiente descendente con momento
'traingd'	Gradiente descendente

Ejemplo: Por ejemplo, puede establecer el algoritmo de gradiente descendente de tasa de aprendizaje variable como el algoritmo de entrenamiento, de esta manera: 'traingdx'

Para obtener más información sobre las funciones de entrenamiento, consulte Train and Apply Multilayer Shallow Neural Networks y Choose a Multilayer Neural Network Training Function.

Tipos de datos: char

Argumentos de salida

net — Red prealimentada en cascada

objeto network

Red neuronal prealimentada en cascada, devuelta como un objeto network.

Historial de versiones

Introducido en R2010b

Consulte también

feedforwardnet | network

Temas

• Create, Configure, and Initialize Multilayer Shallow Neural Networks
• Neural Network Object Properties
• Neural Network Subobject Properties