Matlab learning rate halved

Matlab 学习率减半可以通过以下两种方法实现：

1. 手动减半：你可以手动将学习率的值减半，然后重新运行代码。如果你使用的是 Matlab 的神经网络工具箱，你可以在创建网络对象时指定学习率，并在训练过程中对其进行调整。

例如，如果你将学习率设置为 0.1，你可以将其手动减半为 0.05：

net = feedforwardnet([10 20]);
net.trainParam.lr = 0.1;
net = train(net,inputs,targets);

改为：

net.trainParam.lr = 0.05;
net = train(net,inputs,targets);

2. 使用自适应学习率算法：自适应学习率算法可以根据网络的表现自动调整学习率。例如，Adaptive Learning Rate 和 AdaGrad 算法就是自适应学习率算法的例子。

如果你使用的是 Matlab 的神经网络工具箱，你可以在创建网络对象时指定自适应学习率算法，并在训练过程中对其进行调整。例如，你可以使用 Adagrad 算法：

net = feedforwardnet([10 20]);
net.trainFcn = 'trainscg';
net.trainParam.lr = 0.1;
net.trainParam.mc = 0.9;
net.trainParam.show = 50;
net.trainParam.epochs = 100;
net.trainParam.goal = 0.01;
net.divideFcn = 'divideind';
net.divideParam.trainInd = 1:70;
net.divideParam.valInd = 71:85;
net.divideParam.testInd = 86:100;
net.performFcn = 'mse';
net = train(net,X,T);

在这个例子中，我们指定了 Adagrad 算法作为网络的训练函数，并设置了一些其他的参数。在训练过程中，Adagrad 算法会根据网络的表现自动调整学习率。