R语言 RSNNS包 mlp()函数中文帮助文档(中英文对照)

loveR

mlp(RSNNS)
mlp()所属R语言包：RSNNS

                                        Create and train a multi-layer perceptron (MLP)
                                         创建和训练一个多层感知器（MLP）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function creates a multilayer perceptron (MLP) and trains it. MLPs are fully connected feedforward networks, and probably the most  common network architecture in use.  
这个函数创建一个多层感知器（MLP）和培训。总纲发展蓝图是全连接的前馈网络，并可能在使用中最常见的网络架构。


用法----------Usage----------


## Default S3 method:[默认方法]
mlp(x, y, size=c(5), maxit=100, initFunc="Randomize_Weights",
    initFuncParams=c(-0.3, 0.3), learnFunc="Std_Backpropagation",
    learnFuncParams=c(0.2, 0), updateFunc="Topological_Order",
    updateFuncParams=c(0), hiddenActFunc="Act_Logistic",
    shufflePatterns=TRUE, linOut=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：hiddenActFunc
the activation function of all hidden units
激活功能的所有隐藏的单位


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：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----------

mlp: There are a lot of different learning functions present in SNNS that can be  used together with this function, e.g., Std_Backpropagation, BackpropBatch, BackpropChunk, BackpropMomentum, BackpropWeightDecay, Rprop, Quickprop, SCG (scaled conjugate gradient), ...
mlp：有很多的不同的学习功能中存在的SNNS可以一起使用这个功能，例如，Std_Backpropagation，BackpropBatch，BackpropChunk，BackpropMomentum ，BackpropWeightDecay，Rprop，Quickprop，SCG（比例共轭梯度），...

Std_Backpropagation, BackpropBatch, e.g., have two parameters, the learning rate and the maximum output difference. The learning rate is usually a value between 0.1 and 1. It specifies the gradient descent step width. The maximum difference defines, how much difference between output and target value is treated as zero error, and not backpropagated. This parameter is used to prevent overtraining. For a complete list of the parameters of all the learning functions, see the SNNS User Manual, pp. 67.
Std_Backpropagation，BackpropBatch，例如，有两个参数，学习速率，最大输出差。的学习率通常是在0.1和1之间的一个值。它指定了梯度下降的步宽。的最大差值定义，被视为零误差输出和目标值之间的差异是多少，不backpropagated。此参数用于防止过度训练。所有的学习函数的参数的完整列表，请参阅SNNS用户手册，第67。

The defaults that are set for initialization and update functions usually don't have to be changed.
通常被设置为进行初始化和更新功能的默认值没有被改变。


值----------Value----------

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


参考文献----------References----------



http://www.ra.cs.uni-tuebingen.de/SNNS/
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。