网络是根据以前的培训学习还是重新启动？Matlab神经网络

Question

在Matlab中，如果您构建一个简单的网络并对其进行培训：

OP = feedforwardnet(5, 'traingdm');
inputsVals = [0,1,2,3,4];
targetVals = [3,2,5,1,9];
OP = train(OP,inputsVals,targetVals);

然后你再训练一次，让另一个OP = train(OP,inputsVals,targetVals);

网络发生了什么？它是根据你第一次做OP = train(OP,inputsVals,targetVals);时学到的再次训练，还是像第一次训练网络一样进行训练。

Answer 1

它再次根据你第一次做OP = train(OP,inputsVals,targetVals)时所学到的知识进行训练。更普遍地说，train使用网络的权重，即它不初始化权重。权值初始化在feedforwardnet中进行。

示例：

% To generate reproducible results 
% http://stackoverflow.com/a/7797635/395857
rng(1234,'twister')

% Prepare input and target vectors
[x,t] = simplefit_dataset;

% Create ANN
net = feedforwardnet(10);

% Loop to see where train() initializes the weights
for i = 1:10

    % Learn
    net.trainParam.epochs = 1;
    net = train(net,x,t);

    % Score
    y = net(x);
    perf = perform(net,y,t)
end

产量

perf =

    0.4825


perf =

    0.0093


perf =

    0.0034


perf =

    0.0034


perf =

    0.0034


perf =

    0.0034


perf =

    0.0034


perf =

    0.0034


perf =

    0.0034


perf =

    0.0028