matlab 神经网络工具箱 nntraintool 详解

概览

Neural Network

该部分展示了神经网络的结构，从结构图中可以看出该网络有三个隐含层，神经元个数分别为9个、8个、7个

Algorithms

该部分展示了该网络所使用的训练算法，可以看出

Data Division：该网络采用随机划分的方法将数据集划分为training set、validation set、test set

Training：该网络采用Levenberg–Marquardt算法进行训练

Performance：该网络采用均方误差算法计算误差

Calculations：该网络保存为mex格式

Progress

Epoch：该网络允许的迭代次数最大为1000，实际迭代5次

Time：该网络训练时长为3秒

Performance：该网络的最大误差为0.475，目标误差为0.001，实际误差为0.000520，可在Plots中的Performance中详细查看

Gradient：该网络的最大梯度为1.91，阈值梯度为$1e^{-7}$，实际梯度为0.033。可在Plots中的Training State中详细查看

Mu：该网络所使用Levenberg–Marquardt算法中的阻尼因子最小值为0.001，阈值为$1e^{10}$，实际值为$1e^{-6}$，Mu值越大意味着算法收敛效果越好。可在Plots中的Training State中详细查看

Validation Checks：该网络的泛化能力检查标准，实际值为0表示在训练过程中误差在持续降低，若连续6次训练误差无法降低，则结束训练任务。可在Plots中的Training State中详细查看

Plots

Performance：该网络训练过程中的误差变换可视化

Training State：该网络训练过程中的梯度、Mu因子和泛化能力变换等信息的可视化

Regression：该网络训练集、验证集、测试集的回归能力可视化

Plot Interval：图中横坐标的刻度