Das NeuralNetwork-Paket

zum Trainieren und Evaluieren neuronaler Netze

Funktionsübersicht
.init.train.test.evaluate.set_number_of_iterations.set_batch_size.set_learning_rate.plot.get_weights.set_weights.export_weights
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.
Vorschau aktualisieren