taramath
NeuralNetwork.train
zum Trainieren eines neuronalen Netzes
.init .train .test .evaluate .set_number_of_iterations .set_batch_size .set_learning_rate .plot .get_weights .set_weights .export_weights
Beschreibung
Die Funktion besitzt ein verpflichtendes Argument:
X Trainingsdaten
Die Funktion trainiert das neuronale Netz anhand der Trainingsdaten X. Dabei ist X eine Liste von Trainingssignalen, wobei jedes Trainingssignal ein Paar bestehend aus Eingangssignal (Vektor) und Ausgangssignal (Vektor) ist.
Als Trainingsverfahren wird dabei die Backpropagation angewandt.
Beispiel 1
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
Beispiel 2
Anhand von zehn Funktionswerten soll ein neuronales Netz darüber entscheiden, ob es sich bei der zugehörigen Funktion um eine lineare Funktion oder um eine Sinusfunktion handelt. Verwendet wird ein neuronales Netz mit einer verborgenen Schicht, genauer ein neuronales Netz zum Design (10-6-2). Sowohl Trainingsdaten (10000 Datensätze) als auch Testdaten (1000 Datensätze) werden zufällig generiert.
Tipp: Verändere die Parameter der Trainingsphase, führe das Skript erneut aus und beobachte die Ergebnisse. Erhöhe dabei insbesondere die Anzahl der Iterationen. Verändere auch das Design des neuronalen Netzes, sodass keine verborgenen Schichten verwendet werden. Vorschau aktualisieren