www.vorhilfe.de
Vorhilfe

Kostenlose Kommunikationsplattform für gegenseitige Hilfestellungen.
Hallo Gast!einloggen | registrieren ]
Startseite · Forum · Wissen · Kurse · Mitglieder · Team · Impressum
Forenbaum
^ Forenbaum
Status Physik
  Status HochschulPhysik
  Status SchulPhysik
  Status Physik-Vorkurse
    Status VK 31: Physik Mittel
  Status Atom- und Kernphysik
  Status Elektrik
  Status Mechanik
  Status Optik
  Status Thermodynamik

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Künstliche Intelligenz und Robotik" - Neuronales Netz - Lernen
Neuronales Netz - Lernen < Künstl. Intelligenz < Praktische Inform. < Hochschule < Informatik < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Künstliche Intelligenz und Robotik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Neuronales Netz - Lernen: Frage (überfällig)
Status: (Frage) überfällig Status 
Datum: 12:47 Mo 03.05.2010
Autor: babapapa

Hallo!

Ich habe ein Problem beim Delta-Learning Algorithmus - Damit will ich die AND funktion trainieren.


also der Input:

x1 x2 t
0 0 0
0 1 0
1 0 0
1 1 1

nun habe ich also 4 sampels

zur separierung des problems stelle ich folgende gleichung auf

w1 x1 + w2 x2 + w0 * x0 = 0 auf
w1, w2 sind werte zwischen 0 und 1, wobei beide zufällig sind
w0 ist ein wert zwischen -1 und 0
x0 ist immer 1

output funktion:
o = w1 x1 + w2 x2 + w0

wenn o > 0 dann wird o = 1
sonst o = 0

delta funktion

eta = 0.1
der wert ist zwischen 0 und 1 - ist die lernrate
delta_w1 = eta * (t - o) * x1
delta_w2 = eta * (t - o) * x2

w1 = w1 + [mm] delta_{w1} [/mm]
w2 = w2 + [mm] delta_{w2} [/mm]



so wie ich das ganze nun verstanden habe
for (i=0, i < 4; i ++)
{
o = w1 x1(i) + w2 x2(i) + w0;
if (o > 0)
o = 1;
else
o = 0;

eta = 0.1

delta_w1 = eta * (t(i) - o) * x1(i)
delta_w2 = eta * (t(i) - o) * x2(i)

w1 = w1 + [mm] delta_{w1} [/mm]
w2 = w2 + [mm] delta_{w2} [/mm]

}



ich würde also alle 4 samples durchgehen und die richtige gewichtung berechnen. leider habe ich bisher auch noch nichts darüber gefunden, wie ich das delta learning richtig implementiere...

Hoffe ihr versteht mein problem

lg
Baba

        
Bezug
Neuronales Netz - Lernen: Fälligkeit abgelaufen
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 13:20 Mi 05.05.2010
Autor: matux

$MATUXTEXT(ueberfaellige_frage)
Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Künstliche Intelligenz und Robotik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.physikraum.de
[ Startseite | Forum | Wissen | Kurse | Mitglieder | Team | Impressum ]