learnh

Hebb 重み学習規則

構文

[dW,LS] = learnh(W,P,Z,N,A,T,E,gW,gA,D,LP,LS) info = learnh('code')

learnh は Hebb 重み学習関数です。

[dW,LS] = learnh(W,P,Z,N,A,T,E,gW,gA,D,LP,LS) は、いくつかの入力を取ります。

これは、以下を返します。

`dW`	`S` 行 `R` 列の重み (またはバイアス) 変更行列
`LS`	新しい学習状態

学習は learnh の学習パラメーターに従って行われます。以下に、学習パラメーターとその既定値を示します。

LP.lr - 0.01

学習率

info = learnh('code') は、次の各 code 文字ベクトルに関する有用な情報を返します。

ここでは、1 つの 2 要素入力と 3 つのニューロンをもつ層に対し、ランダムな入力 P と出力 A を定義します。また、学習率 LR も定義します。

p = rand(2,1);
a = rand(3,1);
lp.lr = 0.5;

learnh は、重みの変化の計算でこれらの値のみを必要とするため (下の「アルゴリズム」を参照)、これらをそのように使用します。

dW = learnh([],p,[],[],a,[],[],[],[],[],lp,[])

learnh を使用して学習させるため、カスタムネットワークの i 層の重みとバイアスを準備します。

net.trainFcn を 'trainr' に設定します。(net.trainParam は自動的に trainr の既定のパラメーターになります。)
net.adaptFcn を 'trains' に設定します。(net.adaptParam は自動的に trains の既定のパラメーターになります。)
各 net.inputWeights{i,j}.learnFcn を 'learnh' に設定します。
各 net.layerWeights{i,j}.learnFcn を 'learnh' に設定します。(各重みの学習パラメーターのプロパティが、自動的に learnh の既定のパラメーターに設定されます。)

ネットワークに学習させるには (またはネットワークが適応できるようにするには)、次のようにします。

learnh は、指定されたニューロンについて、ニューロンの入力 P、出力 A、および学習率 LR に基づき、Hebb 学習規則に従って重みの変化 dW を計算します。

dw = lr*a*p'

Hebb, D.O., The Organization of Behavior, New York, Wiley, 1949

R2006a より前に導入