R语言 RSNNS包 elman()函数中文帮助文档(中英文对照)

loveR

elman(RSNNS)
elman()所属R语言包：RSNNS

                                        Create and train an Elman network
                                         创建和训练的Elman网络

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Elman networks are partially recurrent networks
Elman网络的部分经常性的网络


用法----------Usage----------


## Default S3 method:[默认方法]
elman(x, y, size=c(5), maxit=100, initFunc="JE_Weights", initFuncParams=c(1,
    -1, 0.3, 1, 0.5), learnFunc="JE_BP", learnFuncParams=c(0.2),
    updateFunc="JE_Order", updateFuncParams=c(0), shufflePatterns=TRUE,
    linOut=TRUE, outContext=FALSE, inputsTest, targetsTest, ...)



参数----------Arguments----------

参数：x
a matrix with training inputs for the network
矩阵的网络培训投入


参数：y
the corresponding targets values
相应的指标值


参数：size
number of units in the hidden layer(s)
隐藏层中的单位数目（S）


参数：maxit
maximum of iterations to learn
最大的迭代学习


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：linOut
sets the activation function of the output units to linear or logistic
设置的激活函数的输出单元的直链或MF


参数：outContext
if TRUE, the context units are also output units (untested)
如果为true，上下文单位也输出单元（未经测试）


参数：inputsTest
a matrix with inputs to test the network
测试网络的输入矩阵


参数：targetsTest
the corresponding targets for the test input
测试输入相应的目标


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----------

elman: Learning in Elman networks: Same as in Jordan networks (see jordan).
elman：学习的Elman网络相同在约旦的网络（见jordan）。

Network architecture: The difference between Elman and Jordan networks is that in an Elman network the context units get input not from the output units, but from the hidden units. Furthermore, there is no direct feedback in the context units. In an Elman net, the number of context units and hidden  units has to be the same. The main advantage of Elman nets is that the number of context  units is not directly determined by the output dimension (as in Jordan nets), but by the number of hidden units, which is more flexible, as it is easy to add/remove hidden units, but not output units.
网络架构：埃尔曼和约旦网络之间的区别是，在Elman网络的背景下不从输入输出单位，但隐藏的单位。此外，不存在直接的上下文中单元的反馈。以艾尔曼网，上下文单位的数量和隐藏的单位是相同的。的情况下单位的数量直接决定了输出维（在约旦网），但由数量的隐藏单元，这是更灵活，因为它很容易添加/删除隐藏的Elman网的主要优点是单元，但不输出单元。

A detailed description of the theory and the parameters is available, as always, from the SNNS  documentation and the other referenced literature.
的理论和参数的详细说明，一如既往，，从SNNS文件和其他参考文献。


值----------Value----------

elman.default: an rsnns object.
elman.default：rsnns对象。


参考文献----------References----------


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

实例----------Examples----------


## Not run: demo(laser)[＃不运行演示（激光）]
## Not run: demo(eight_elman)[＃不运行：演示（eight_elman）]
## Not run: demo(eight_elmanSnnsR)[＃不运行：演示（eight_elmanSnnsR）]


data(snnsData)
inputs <- snnsData$eight_016.pat[,inputColumns(snnsData$eight_016.pat)]
outputs <- snnsData$eight_016.pat[,outputColumns(snnsData$eight_016.pat)]

par(mfrow=c(1,2))

modelElman <- elman(inputs, outputs, size=8, learnFuncParams=c(0.1), maxit=1000)
modelElman
modelJordan <- jordan(inputs, outputs, size=8, learnFuncParams=c(0.1), maxit=1000)
modelJordan

plotIterativeError(modelElman)
plotIterativeError(modelJordan)

summary(modelElman)

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。