Neuronalesnetz mit vielen Beispielen trainieren
-
Wenn ich ein NN (Multilayerperceptron) mit vielen Beispielen trainieren will (mit Error Backpropagation), muss ich dann für jedes Beispiel nacheinander einen Lernschritt durchführen (gewichte anpassen...) oder für ein Beispiel mehrere Lernschritte durchführen und dann für das nächste mehrere? Ich denke die erste Methode ist besser. Oder gibts ganz andere Methoden, damit die gelernten Beispiele nicht "vergessen" werden?
-
Es gibt jede Menge Möglichkeiten. Du könntest beispielsweise auch immer Batches von Daten einlernen. Also ne ganze Menge von Daten einsetzen, den Fehler aufsummieren und dann rückpropagieren. Ohne ein bißchen probieren wirste vermutlich nicht rausfinden was für Dein Problem gut ist.
-
Jester schrieb:
Du könntest beispielsweise auch immer Batches von Daten einlernen. Also ne ganze Menge von Daten einsetzen, den Fehler aufsummieren und dann rückpropagieren.
Geht das auch? Ich dachte es werden beim zurück propagieren immer die Gewichte so angepasst, dass sie für ein Muster stimmen.
-
Hab mich da etwas unklar ausgedrückt. Du berechnest schon das Update der Gewichte. Änderst die Gewichte aber nicht. Stattdessem mittelst Du über die updates von mehreren Beispielen und verwendest das dann um die Gewichte neu zu setzen.
-
Ach, OK.