本文部分图文来自《老饼讲解-BP神经网络》bp.bbbdata.com
本文列兴趣MATLAB神经网络工具箱中，训练参数trainParam的各个参数与意义
以方便在使用matlab工具箱时，用于查阅
一、matlab神经网络工具箱trainParam的参数列表
trainParam中的各个具体参数如下：
| 参数名称 | 解释 | 适用方法 |
|---|---|---|
| net.trainParam.epochs | 最大训练次数（缺省为10） | 全部 |
| net.trainParam.goal | 训练要求精度（缺省为0） | 全部 |
| net.trainParam.lr | 学习率（缺省为0.01） | 全部 |
| net.trainParam.max_fail | 最大失败次数（缺省为5） | 全部 |
| net.trainParam.min_grad | 最小梯度要求（缺省为1e-10） | 全部 |
| net.trainParam.show | 显示训练迭代过程（NaN表示不显示，缺省为25） | 全部 |
| net.trainParam.time | 最大训练时间（缺省为inf） | 全部 |
| net.trainParam.mc | 动量因子（缺省0.9） | traingdm、traingdx |
| net.trainParam.lr_inc | 学习率lr增长比（缺省为1.05） | traingda、traingdx |
| net.trainParam.lr_dec | 学习率lr下降比（缺省为0.7） | traingda、traingdx |
| net.trainParam.max_perf_inc | 表现函数增加最大比（缺省为1.04） | traingda、traingdx |
| net.trainParam.delt_inc | 权值变化增加量（缺省为1.2） | trainrp |
| net.trainParam.delt_dec | 权值变化减小量（缺省为0.5） | trainrp |
| net.trainParam.delt0 | 初始权值变化（缺省为0.07） | trainrp |
| net.trainParam.deltamax | 权值变化最大值（缺省为50.0） | trainrp |
| net.trainParam.searchFcn | 一维线性搜索方法（缺省为srchcha） | traincgf、traincgp、traincgb、trainbfg、trainoss |
| net.trainParam.sigma | 因为二次求导对权值调整的影响参数（缺省值5.0e-5） | trainscg |
| net.trainParam.lambda | Hessian矩阵不确定性调节参数（缺省为5.0e-7） | trainscg |
| net.trainParam.men_reduc | 控制计算机内存/速度的参量， 内存较大设为1，否则设为2（缺省为1） | trainlm |
| net.trainParam.mu | u的初始值（缺省为0.001） | trainlm |
| net.trainParam.mu_dec | u的减小率（缺省为0.1） | trainlm |
| net.trainParam.mu_inc | u的增长率（缺省为10） | trainlm |
| net.trainParam.mu_max | u的最大值（缺省为1e10） | trainlm |
✍️PASS:trainParam参数是相对训练算法而言的，因此有些参数只针对部分训练算法哦
二、在使用trainParam时的注意事项
1.需要注意的是，有些参数只有某些方法才有效
例如mu、mu_dec等参数只有使用的trainlm方法，所以必须在了解相关算法的基础上，再进行设置。如果细心，会注意到不同训练算法的训练面板上的参数是有所不同的，如下
trainlm的训练面板
traingd的训练面板：
2.每个参数在不同训练方法上默认值有所不同
例如使用trainbr方法时，验证数据集的划分为0,同时，net.trainParam.max_fail也是为0的，如下
x = 1:100;
y = sin(x);
net = newff(x,y,3,{'tansig','purelin'},'trainbr');
max_fail = net.trainParam.max_fail运行结果如下：
更多文章
1-LVQ的学习目录：老饼|BP神经网络-竞争神经网络
2-径向基神经网络学习目录：老饼|BP神经网络-感知机与SVM
3-BP的学习目录：老饼|BP神经网络-BP入门
