Heuristiken
Heuristiken
Heuristiken
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Boltzmann-<br />
Maschine<br />
7.6 Boltzmann-Maschine<br />
Die Boltzmann-Maschine wurde 1985 von ACKLEY, HINTON und SE-<br />
JNOWSKI [] veröffentlicht und stelt eine Erweiterung des Hopfield-Netzes dar.<br />
Der Aufbau des Boltzmann-Netzes ist mit dem des Hopfield-Netzes identisch,<br />
d.h. das Netz ist vollständig und symmetrischmit Rückkopplung.<br />
HeteroassoziationBoltzmann-Netze können wie Feedforward-Netze, im Gegensatz zum Hopfield-<br />
Netz, unterschiedliche Ein- und Ausgabepaare lernen. Dies wird Heteroassoziation<br />
genannt im Gegensatz zur Autoassoziation, bei der nur die gleichen<br />
Muster für Ein- und Ausgabe verwendet werden können.<br />
Simulated<br />
Annealing<br />
Um nicht in lokalen Minima des Netzzustandes hängen zu bleiben verwendet<br />
die Boltzmann-Maschine eine Simulated Annealing-Heuristik. Mit dieser<br />
kann der Algorithmus aus einem lokalen Minimum in einen völlig anderen Teil<br />
des Lösungsraumes gelangen. Da die Boltzmann-Maschine meist nicht das globale<br />
Minimum erreicht, werden in der Praxis mehrere Läufe durchgeführt, die<br />
Endzustände verglichen und gemittelt.<br />
Algorithmus Der Lernalgorithmus gliedert sich in zwei Phasen. Zuerst werden an die Einund<br />
Ausgabeneuronen ein vorgegebener Input und Output angelegt. Diese werden<br />
während des gesamten Durchlaufes festgehalten. Nach mehreren Simulated<br />
Annealing-Läufen wird über die Endzustände gemittelt. In der anschließenden<br />
freien Phase wird ein vorgegebener Input angelegt, der Output ist frei. Es werden<br />
wiederum mehrere Simulated Annealing-Läufe durchgeführt.<br />
Beide Phasen werden abwechselnd durchlaufen und nach jedem Lauf die Gewichte<br />
des Netzes so angepasst, dass die jeweiligen Zustände sich annähern. Ziel<br />
des Lernalgorithmus ist es, die Gewichte so anzupassen, dass jeder Zustand im<br />
Netz in beiden Phasen dieselbe Wahrscheinlichkeit hat.<br />
Aufwand In Folge dieses iterativen Verfahrens ist die Boltzmann-Maschine sehr rechenund<br />
zeitaufwändig. Die Effizienz ist stark davon abhängig, wie die Abkühlung<br />
beim Simulated Annealing durchgeführt wird und wie genau die Endzustände<br />
gemittelt werden können. Generell gilt, dass je langsamer abgekühlt wird und<br />
je besser die Mittelwertbildung ist, desto besser sind die Ergebnisse.<br />
44