taramath: Das NeuralNetwork-Paket

Beschreibung

Neuronale Netze sind ein Teilgebiet des maschinellen Lernens und bieten die Möglichkeit, anhand von Trainingsdaten Muster und Gesetzmäßigkeiten zu trainieren und anschließend zu erkennen. Als zentrale Anwendung sei beispielsweise die Erkennung hangeschriebener Ziffern genannt. Das NeuralNetwork-Paket bietet Funktionen zum Trainieren, Evaluieren und Visualisieren neuronaler Netze, wobei insbesondere die Backpropagation angewandt wird.

Beispiel

Das folgende Beispiel veranschaulicht exemplarisch die zentralen Funktionen des NeuralNetwork-Pakets. Verwendet wird dazu ein neuronales Netz zum Design (3-4-1).

Zunächst werden Trainingsdaten bestehend aus vier Datensätzen definiert, welche zum Trainieren des neuronalen Netzes verwendet werden. Anschließend wird ein Eingangssignal (am bereits trainierten neuronalen Netz) ausgewertet und das Ergebnis entsprechend ausgegeben.

<!DOCTYPE html>
<html>
<head>
  <script src="taramath.js"></script>
</head>
<body>
<textarea id="print"></textarea>
<script>

// Trainingsdaten //

var X = [
  [[0.4,0.5,0.3],[1]],
  [[0.8,0.2,0.4],[0]],
  [[0.8,0.3,0.6],[0]],
  [[0.2,0.4,0.6],[1]]
];

// Trainieren //

NeuralNetwork.init([3,4,1]);

NeuralNetwork.set_batch_size(2);
NeuralNetwork.set_learning_rate(4);
NeuralNetwork.set_number_of_iterations(100);

NeuralNetwork.train(X);

// Auswerten //

var x = [0.5, 0.2, 0.0];
var y = NeuralNetwork.evaluate(x);

Print.init("print");
Print.object(y);

</script>
</body>
</html>

Vorschau aktualisieren

Das NeuralNetwork-Paket

zum Trainieren und Evaluieren neuronaler Netze