Künstliche Neuronale Netze
Künstliche Neuronale Netze
Künstliche Neuronale Netze
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
12.05.2009<br />
Backpropagation – Illustration<br />
• Feedforward network with<br />
a 1 a 3 a 5<br />
initial weights<br />
w 13<br />
w 35<br />
• Lerning rate α<br />
1 1<br />
3<br />
5<br />
w 14<br />
w 36<br />
• Two inputs and outputs<br />
a 2 a<br />
w 4 a<br />
23<br />
w 6<br />
45<br />
• Compute output for first 1 2<br />
4<br />
6<br />
w 24 w 46<br />
examples<br />
• Compare to desired target<br />
value<br />
1<br />
1<br />
I1 I2 T1 T2<br />
1 1 1 0<br />
0 0 0 1<br />
...<br />
35<br />
Backpropagation – Illustration (2)<br />
• Compute error: Err=T-O<br />
a 1 a 3 a 5 Δ w 5<br />
13<br />
w 35<br />
1 1<br />
3<br />
5<br />
• W j,i = W j,i + α ×a j × Err i × g’(in i )<br />
w 14<br />
w 36<br />
• Error term Δ i = Err i g’(in i )<br />
a 2 a<br />
w 4 a<br />
23<br />
w 6<br />
45<br />
1 2<br />
• W j,i = W j,i + α ×a j ×Δ<br />
4<br />
6<br />
i<br />
w 24 w 46<br />
Δ 6<br />
• Compute error terms for output<br />
units Δ 5 and Δ 6<br />
I1 I2 T1 T2<br />
• Adaptation of weights for<br />
• w 36 and w 46<br />
0 0 0 1<br />
• w 35 and w 45<br />
1 1 1 0<br />
...<br />
36<br />
1<br />
1<br />
18