Neuronale Netze - D. Kriesel
Neuronale Netze - D. Kriesel
Neuronale Netze - D. Kriesel
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
supervised . . . . . . . . . . . siehe Lernen,<br />
überwachtes<br />
unsupervised. . . . . . . . .siehe Lernen,<br />
unüberwachtes<br />
Learning Vector Quantization . . . . . 171<br />
Lernbarkeit. . . . . . . . . . . . . . . . . . . . . . . .125<br />
Lernen<br />
überwachtes . . . . . . . . . . . . . . . . . . . . 68<br />
Batch- . . . . . . . . siehe Lernen, offline<br />
bestärkendes . . . . . . . . . . . . . . . . . . . 67<br />
offline . . . . . . . . . . . . . . . . . . . . . . . . . . 68<br />
online . . . . . . . . . . . . . . . . . . . . . . . . . . 68<br />
unüberwachtes . . . . . . . . . . . . . . . . . 67<br />
Lernfähigkeit . . . . . . . . . . . . . . . . . . . . . . . . 4<br />
Lernrate . . . . . . . . . . . . . . . . . . . . . . . . . . 115<br />
variable . . . . . . . . . . . . . . . . . . . . . . . 116<br />
Lernverfahren . . . . . . . . . . . . . . . . . . . . . . 49<br />
Lineare Separierbarkeit . . . . . . . . . . . . 103<br />
Linearer Assoziator . . . . . . . . . . . . . . . . . 13<br />
Linse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34<br />
Lochkameraauge . . . . . . . . . . . . . . . . . . . 33<br />
Locked-In-Syndrom. . . . . . . . . . . . . . . . .21<br />
Logistische Funktion . . . . . . . . . . . . . siehe<br />
Fermifunktion<br />
Temperaturparameter . . . . . . . . . . 47<br />
LVQ . . . . . . . . . . . . siehe Learning Vector<br />
Quantization<br />
LVQ1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175<br />
LVQ2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175<br />
LVQ3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175<br />
M<br />
M-SOM . . . . siehe Self Organizing Map,<br />
Multi<br />
Mark I Perceptron. . . . . . . . . . . . . . . . . .11<br />
Mathematische Symbole<br />
(t). . . . . . . . . . . . . . . .siehe Zeitbegriff<br />
A(S). . . . . . . . . . .siehe Aktionsraum<br />
Ep . . . . . . . . . . . . . .siehe Fehlervektor<br />
G . . . . . . . . . . . . . . . . . siehe Topologie<br />
N . . . . . . siehe Self Organizing Map,<br />
Eingabedimension<br />
P . . . . . . . . . . . siehe Trainingsmenge<br />
Q∗ Π (s, a) . . . . . . . siehe Action-Value-<br />
Funktion, optimale<br />
QΠ(s, a) . . . . . . . . . . . . . . . . . . . . . siehe<br />
Action-Value-Funktion<br />
Rt . . . . . . . . . . . . . . . . . . . siehe Return<br />
S . . . . . . . . . . . . siehe Situationsraum<br />
T . . . . . siehe Temperaturparameter<br />
V ∗ Π (s) . siehe State-Value-Funktion,<br />
optimale<br />
VΠ(s) . . siehe State-Value-Funktion<br />
W . . . . . . . . . . siehe Gewichtsmatrix<br />
∆wi,j . . . . . siehe Gewichtsänderung<br />
Π . . . . . . . . . . . . . . . . . . . . . siehe Policy<br />
Θ . . . . . . . . . . . . . siehe Schwellenwert<br />
α . . . . . . . . . . . . . . . .siehe Momentum<br />
β . . . . . . . . . . . . . siehe Weight Decay<br />
δ . . . . . . . . . . . . . . . . . . . . . . siehe Delta<br />
η . . . . . . . . . . . . . . . . . . . siehe Lernrate<br />
η ↑ . . . . . . . . . . . . . . . . . . . . siehe Rprop<br />
η ↓ . . . . . . . . . . . . . . . . . . . . siehe Rprop<br />
ηmax . . . . . . . . . . . . . . . . . . siehe Rprop<br />
ηmin . . . . . . . . . . . . . . . . . . siehe Rprop<br />
ηi,j . . . . . . . . . . . . . . . . . . . siehe Rprop<br />
∇ . . . . . . . . . . . siehe Nabla-Operator<br />
ρ. . . . . . . .siehe Radiusmultiplikator<br />
Err . . . . . . . . . . siehe Fehler, Gesamt-<br />
Err(W ). . . . . . .siehe Fehlerfunktion<br />
Errp . . . . . .siehe Fehler, spezifischer<br />
Errp(W ) . . . . . siehe Fehlerfunktion,<br />
spezifische<br />
ErrWD . . . . . . . . siehe Weight Decay<br />
at . . . . . . . . . . . . . . . . . . . . siehe Aktion