matlab - 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。 验证检查次数 的默认值为6。

我正在训练很多网络，这会花费很多时间。我想如果我的结果可以变得更快，那么即使我的结果不太准确也没关系。

我怎样才能训练得更快？

• 我认为其中一种方法可能是减少验证检查次数的值(value)。我该怎么做(在代码中，不使用 GUI)
• 有没有其他方法可以提高速度。

正如我所说，速度的提高可能会损失一点准确性。

Answer 1

只是为了扩展@mtrw回答，根据documentation ，当出现以下任何情况时，训练停止:

• 达到最大epochs数:net.trainParam.epochs
• 超过最大时间:net.trainParam.time
• 性能最小化到目标:net.trainParam.goal
• 性能梯度低于min_grad:net.trainParam.min_grad
• mu 超过 mu_max:net.trainParam.mu_max
• 自那以后，验证性能提高了超过 ma​​x_fail 次 最后一次减少(使用验证时):net.trainParam.max_fail

Epochs 和 time 约束允许设置训练持续时间的上限。

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/准确性权衡的级别:不太准确的结果以加快执行速度。

这类似于 min_grad(梯度告诉您“下降”的强度)，如果梯度的大小小于 mingrad，则训练停止。可以理解的是，如果误差函数变化不大，那么我们就达到了一个平台期，我们可能应该停止训练，因为我们不会有太大的改善。

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time 和epochs 设置为您的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/准确性权衡水平。请记住，max_fails 不会让您获得任何时间，因为它主要用于确保良好的泛化能力。