R语言 RSNNS包 artmap()函数中文帮助文档(中英文对照)

loveR

artmap(RSNNS)
artmap()所属R语言包：RSNNS

                                        Create and train an artmap network
                                         建立和培养一个ARTMAP神经网络

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

An ARTMAP performs supervised learning. It consists of two coupled ART networks. In theory, these could be ART1, ART2, or others. However, in SNNS ARTMAP is implemented for ART1 only. So, this function is to be used with binary input.  As explained in the description of art1, ART aims at solving the stability/plasticity dilemma. So the advantage of ARTMAP is that it is a supervised learning mechanism
的ARTMAP执行监督学习。它由两个耦合的最先进的网络。从理论上讲，这些可能是ART1，ART2，或其他。但是，在SNNS ARTMAP实现为ART1只。所以，这个功能是要使用的二进制输入。正如在描述art1，ART旨在解决稳定性/可塑性两难。的ARTMAP这样做的好处是，它是一个监督学习机制


用法----------Usage----------


## Default S3 method:[默认方法]
artmap(x, nInputsTrain, nInputsTargets, nUnitsRecLayerTrain,
    nUnitsRecLayerTargets, maxit=1, nRowInputsTrain=1,
    nRowInputsTargets=1, nRowUnitsRecLayerTrain=1,
    nRowUnitsRecLayerTargets=1, initFunc="ARTMAP_Weights",
    initFuncParams=c(1, 1, 1, 1, 0), learnFunc="ARTMAP",
    learnFuncParams=c(0.8, 1, 1, 0, 0), updateFunc="ARTMAP_Stable",
    updateFuncParams=c(0.8, 1, 1, 0, 0), shufflePatterns=TRUE, ...)



参数----------Arguments----------

参数：x
a matrix with training inputs and targets for the network
培训投入和目标的网络矩阵


参数：nInputsTrain
the number of columns of the matrix that are training input
该矩阵的列的数量的训练输入的


参数：nInputsTargets
the number of columns that are target values
的列数的目标值


参数：nUnitsRecLayerTrain
number of units in the recognition layer of the training data ART network
训练数据的ART网络识别层中的单位数目


参数：nUnitsRecLayerTargets
number of units in the recognition layer of the target data ART network
目标数据的识别层的ART网络的单位数


参数：maxit
maximum of iterations to perform
最大的迭代来执行


参数：nRowInputsTrain
number of rows the training input units are to be organized in (only for visualization purposes of the net in the original SNNS software)
行数（仅适用于可视化的目的的净在原SNNS软件培训投入单位要组织）


参数：nRowInputsTargets
same, but for the target value input units
相同的，但对于目标值输入单元


参数：nRowUnitsRecLayerTrain
same, but for the recognition layer of the training data ART network
相同的，但对于识别的训练数据ART网络层


参数：nRowUnitsRecLayerTargets
same, but for the recognition layer of the target data ART network
相同的，但对于目标数据ART网络的识别层


参数：initFunc
the initialization function to use
使用初始化函数


参数：initFuncParams
the parameters for the initialization function
初始化函数的参数


参数：learnFunc
the learning function to use
学习功能使用


参数：learnFuncParams
the parameters for the learning function
学习功能的参数


参数：updateFunc
the update function to use
使用更新功能


参数：updateFuncParams
the parameters for the update function
更新功能的参数


参数：shufflePatterns
should the patterns be shuffled?
应的模式被打乱？


参数：...
additional function parameters (currently not used)
附加功能参数（目前没有使用）


Details

详细信息----------Details----------

artmap: See also the details section of art1. The two ART1 networks are connected by a map field. The input of the first ART1 network is the training input, the input of the second network are the target values,  the teacher signals. The two networks are often called ARTa and ARTb, we call them here training data network  and target data network.  
artmap：又见细节部分art1。两个ART1网络连接由映射字段。的输入端的第一ART1网络的训练输入，输入的第二网络的目标值，老师信号。这两个网络通常被称为阿尔塔和ARTb，我们称他们在这里训练数据网络和目标数据网络。

In analogy to the ART1 and ART2 implementations, there are one initialization function, one learning function,  and two update functions present that are suitable for ARTMAP. The parameters are basically as in ART1, but for  two networks. The learning function and the update functions have 3 parameters, the vigilance parameters of the  two ART1 networks and an additional vigilance parameter for inter ART reset control. The initialization function has four parameters, two for every ART1 network.
在以ART1和ART2实现的类比中，有一个初始化函数，一个学习功能，和两个更新功能本适合ARTMAP。的参数基本上都是在ART1，但对于两个网络。学习功能和更新的功能有3个参数，警惕的ART1网络的参数和一个额外的警戒参数间ART复位控制。每ART1网络的初始化函数有四个参数，两个。

A detailed description of the theory and the parameters is available from  the SNNS documentation and the other referenced literature.
从SNNS文档和其他参考文献的理论和参数的详细说明。


值----------Value----------

artmap.default: an rsnns object. The fitted.values member of the object contains a  list of two-dimensional activation patterns.
artmap.default：rsnns对象。 fitted.values成员对象包含了一系列的二维激活模式。


参考文献----------References----------




http://www.ra.cs.uni-tuebingen.de/SNNS/
<h3>See Also</h3>

实例----------Examples----------


## Not run: demo(artmap_lettersSnnsR)[＃不运行：演示（artmap_lettersSnnsR）]


data(snnsData)
trainData <- snnsData$artmap_train.pat
testData <- snnsData$artmap_test.pat

model <- artmap(trainData, nInputsTrain=70, nInputsTargets=5,
nUnitsRecLayerTrain=50, nUnitsRecLayerTargets=26)
model$fitted.values


转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。