21.12.2012 Aufrufe

Diplomarbeit von Michael Schindler

Diplomarbeit von Michael Schindler

Diplomarbeit von Michael Schindler

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

2.1 Die Kopplung <strong>von</strong> Lern- und Systemdynamik 43<br />

(a) Bei vollständig entarteten Codebüchern gilt immer ar(xt)=1/M, die Relaxationszeit<br />

in (2-5) ist demnach zeitlich konstant<br />

Tr = M<br />

ε =: TL . (2-6)<br />

Sie wird hier mit TL abgekürzt, da sie im folgenden noch mehrfach verwendet wird.<br />

(b) Auch wenn das Codebuch nicht entartet ist, kann im Fall des univar-Lernens randomisierter<br />

Daten trotzdem noch <strong>von</strong><br />

Tr = M<br />

ε<br />

(2-7)<br />

ausgegangen werden, denn wegen der Eigenschaft der Load-balance (1-49) weichen<br />

die mittleren Werte der Zuständigkeiten ar(xt) nur wenig <strong>von</strong> 1/M ab. Da die<br />

Daten randomisiert sind, ist für diese Mittelung ein sehr kurzes Zeitfenster ausreichend,<br />

und man bekommt effektiv wieder die konstante Relaxationszeit M/ε.<br />

Auch der Attraktor c ∗ r der Dynamik ist, wie im Beispiel zu Abb. 11 und 12 deutlich<br />

wurde, lediglich <strong>von</strong> σ abhängig, also zeitlich konstant.<br />

(c) Werden dagegen on-line Daten gelernt, kann nicht mehr <strong>von</strong> Load-balance ausgegangen<br />

werden. Es kann gut sein, dass manche Neuronen eine Weile lang nur<br />

schwach angesprochen werden, andere dagegen stark. Bei solchen Daten ist au-<br />

ßerdem kein zeitlich konstanter Attraktor c ∗ r<br />

der Dynamik mehr gegeben, vielmehr<br />

entwickelt sich dieser selbst mit der Zeit. Somit ist im Sinne einer exponentiellen<br />

Annäherung des Codebuchzentrums cr(t) an seinen momentanen Attraktor c ∗ r (t)<br />

durch die Differentialgleichung (2-4) nur noch die instantane Relaxationszeit gege-<br />

ben,<br />

Gedächtniskerne<br />

Tr(t) =<br />

1<br />

. (2-8)<br />

εar(xt)<br />

Für den randomisierten Lerner in (b) oben ist mit Gleichung (2-5) die vollständige<br />

zeitliche Entwicklung des dynamischen Systems (2-4) gegeben. Aus dem Anfangswert<br />

cr(0) kann bei Kenntnis <strong>von</strong> Tr und dem stationären c∗ r das Codebuchzentrum cr(t) zu<br />

jedem Zeitpunkt t berechnet werden. Für on-line Daten lässt sich dies, da nur instantane<br />

Konvergenzzeiten zur Verfügung stehen, nicht so leicht aufschreiben. Dennoch gibt<br />

es immer einen zeitlichen Propagator, der dasselbe leistet. Durch rekursives Einsetzen<br />

der Update-Regel (2-2) in sich selbst können die aktuellen Codebuchzentren immer in<br />

die Form<br />

�t−1<br />

cr(t) = kr(t) cr(0) + gr(t, t ′ ) x(t ′ ) (2-9)<br />

gebracht werden. Der Propagator, der cr(0) auf cr(t) abbildet, ist hier formal in den<br />

Termen kr(t), gr(t, t ′ ) und in dem gesamten bis zum Zeitpunkt t beobachteten Datenstrom<br />

ausgedrückt. Dies ist bereits in der Einleitung für den Spezialfall eines einzelnen<br />

t ′ =0

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!