R语言 RSNNS包 art2()函数中文帮助文档(中英文对照)

loveR

art2(RSNNS)
art2()所属R语言包：RSNNS

                                        Create and train an art2 network
                                         建立和培养一个ART2网络

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

ART2 is very similar to ART1, but for real-valued input. See art1 for more information. Opposed to the ART1 implementation, the ART2 implementation
ART2是非常相似ART1，但实值输入。见art1更多信息。反对的的ART1实施，ART2实施


用法----------Usage----------


## Default S3 method:[默认方法]
art2(x, f2Units=5, maxit=100, initFunc="ART2_Weights", initFuncParams=c(0.9,
    2), learnFunc="ART2", learnFuncParams=c(0.98, 10, 10, 0.1, 0),
    updateFunc="ART2_Stable", updateFuncParams=c(0.98, 10, 10, 0.1, 0),
    shufflePatterns=TRUE, ...)



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：f2Units
controls the number of clusters assumed to be present
控制聚类数，假设存在


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


Details

详细信息----------Details----------

art2: As comparison of real-valued vectors is more difficult than comparison of binary vectors,  the comparison layer is more complex in ART2, and actually consists of three layers. With a more complex comparison layer, also other parts of the network enhance their complexity. In SNNS, this enhanced complexity is reflected by the presence of more parameters in initialization-, learning-, and update function.  
art2：由于实值的向量相比，是比较困难的，比比较二进制矢量，比较层是更复杂的ART2实际上包括三个层。具有更复杂的比较层，还有其他部分的网络增强它们的复杂性。在SNNS，这种增强的复杂度被反射的存在下，更多的参数初始化，学习，和更新功能。

In analogy to the implementation of ART1, there are one initialization function, one learning function and two  update functions suitable for ART2.  The learning and update functions have five parameters, the initialization function has two  parameters. For details see the SNNS User Manual, p. 67 and pp. 192.
类似的ART1的实施，有一个初始化功能，学习功能和更新功能适用于ART2。学习和更新功能的有五个参数，初始化函数有两个参数。有关详细信息，请参阅SNNS用户手册，P。 67，第192页。


值----------Value----------

art2.default: an rsnns object. The fitted.values member contains the  activation patterns for all inputs.
art2.default：rsnns对象。 fitted.values成员包含的所有输入的激活模式。


参考文献----------References----------




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

实例----------Examples----------


## Not run: demo(art2_tetraSnnsR)[＃不运行：演示（art2_tetraSnnsR）]


data(snnsData)
patterns <- snnsData$art2_tetra_med.pat

model <- art2(patterns, f2Units=5, learnFuncParams=c(0.99, 20, 20, 0.1, 0),
updateFuncParams=c(0.99, 20, 20, 0.1, 0))
model

testPatterns <- snnsData$art2_tetra_high.pat
predictions <- predict(model, testPatterns)

## Not run: library(scatterplot3d)[＃运行库（scatterplot3d）]

## Not run: par(mfrow=c(2,2))[＃不运行：PAR（mfrow = C（2,2））]
## Not run: scatterplot3d(patterns, pch=encodeClassLabels(model$fitted.values))[＃不运行：scatterplot3d（模式，PCH = encodeClassLabels（模型$ 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。