matlab的adapt函数,Matlab中train与adapt的区别
绝大多数资料的表述：adapt是用来在线学习(增量学习)的，前提输入形式为cell类型的；triain是用来离线学习(批量学习)。所以找几个函数命令进行测试加以验证。
采用linearlayer验证
验证方法：
(一)使用网络 linearlayer
1， cell输入形式
输入 P={[1;2][2;1] [2;3] [3;1]};
目标值 T={4 5 77}
使用adapt;
输入命令：
P={[1;2] [2;1][2;3] [3;1]};
T={4 5 7 7};
net=linearlayer(0,0.1);
net=configure(net,P,T);
net.IW{1,1}=[0,0];
net.b{1}=0;
[net,a,e]=adapt(net,P,T);
权重更新4次，最后值：
net.IW{1,1}=1.5600 1.5200
net.b{1}=0.9200
仿真结果：[0] [2] [6.0000] [5.8000]
2,矩阵输入形式
输入P=[1 2 23;2 1 3 1];
输出T=[4 5 7 7]
使用adapt;
输入命令：
P=[1 2 2 3;2 1 31];
T=[4 5 7 7];
net=linearlayer(0,0.01);
net=configure(net,P,T);
net.IW{1,1}=[0,0];
net.b{1}=0;
[net,a,e]=adapt(net,P,T);
权重更新一次，最后值：
net.IW{1,1}=0.4900 0.4100
net.b{1}= 0.2300
3,矩阵输入形式
输入P=[1 2 23;2 1 3 1];
输出T=[4 5 7 7]
使用train;(其中设置epochs=1)
前提：对学习函数和训练函数加入显式的调用命令
P=[1 2 2 3;2 1 31];
T=[4 5 7 7];
net=linearlayer(0,0.01);
net=configure(net,P,T);
net.IW{1,1}=[0,0];
net.b{1}=0;
net=trian(net,P,T);
权重更新一次，最后值：
net.IW{1,1}=0.4900 0.4100
net.b{1}= 0.2300
结论：对于静态网络而言linearlayer，adapt的cell输入为在线学习，而矩阵输入为离线学习相当于train的一个回合。
至于动态网络：有时间再搞。
(二) 对于competlayer的测试
首先产生数据集，(来源与matlab的democ1)
bounds=[0 1;01];
clusters = 8; % This many clusters.
points = 10; % Number of points in each cluster.
std_dev = 0.05; % Standard deviation of each cluster.
x =nngenc(bounds,clusters,points,std_dev);
此时x为矩阵。
competlayer网络权重的调整依靠learnk函数，偏移的调整依靠learncon。
采用如下命令进行网络搭建
net=competlayer(8);
net=configure(8,x);
———-使用adapt———
net1=adapt(net,x);
调用K权重学习函数 %调用一次
调用B偏移学习%调用一次
—————-使用train——————–
net.trainParam.epochs=1; %方便观测调用权重调整函数的次数，将回合数设置为1； net2=train(net,x);
调用K权重学习函数 %调用80次
调用B偏移学习%调用80次
—此时与train是进行离线学习的 不符，因为权重调整了80次，应当调整1次。原因：竞争网络没有离线学习，学习规则只有在线学习。adapt和train的使用规则是针对BP网络的？在一本书中看到竞争网络是有离线学习的，不过不能自适应。进一步查资料。
将x转换成cell分别进行测试
net=competlayer(8);
net1=adapt(net,x);
调用K权重学习函数 %调用80次
调用B偏移学习%调用80次
net2=train(net,x);
调用K权重学习函数 %调用一次
调用B偏移学习%调用一次
测试结果如上，查看matlab代码，简单看看，competlayer网络调用的adapt函数是:adaptwb,要求输入是有序的矩阵，所以使用adapt调用的时候使用 cell,train使用的是 trianru,涉及一个测量输入计入条数的命令，如果使用cell则值为1，故应该使用矩阵输入。
个人认为：在competlayer中adapt 和train的使用方法不同与BP网络。等有时间仔细看看matlab的相关代码。找出原因。
类似的可以应到其他自组织的网络上面，从本质上来说是受定义的adapt,train(此非彼)函数的影响。