Diplomarbeit von Michael Schindler

x/σS
1
−1
1
−1
2.1 Die Kopplung von Lern- und Systemdynamik 49
σ/σS =1 0.9 0.8 0.7
c opt
1 (σ)
c opt
2 (σ)
t = 0 t −→ t = 10 4 TS
Abbildung 23: Langsames σ-Annealing bei on-line Lernen. Die hier gelernten Daten sind dieselben wie
in Abb. 22, die Lebensdauern im System sind jedoch nicht mehr erkennbar, weil der Gesamtlernprozess
mit T = 10 6 Datenpunkten sehr lang ist. Dadurch konnte viel langsamer abgekühlt werden, was in
(b), wo die gleichen Lernparameter wie in Abb. 22b verwendet wurden, zu einem ähnlichen Verhalten
führt wie bei dem randomisierten Lernen in Abb. 21. Offenbar kann bei ungekoppelter Dynamik
durch Verlängerung der Gesamtlerndauer das Verhalten des randomisierten Lernens wiederhergestellt
werden. Die Retardierung ist jedoch extrem (hier etwa 2.5·10 5 Punkte). In (a) dagegen, wo der Lerner
stark an das Sytem gekoppelt ist, findet immer noch keine Aufspaltung statt. Hier wurde wieder
Tr =0.4 TS verwendet. Aus Auflösungsgründen ist nicht zu sehen, dass gegen Ende des Lernprozesses
wieder der erste Ansatz einer Aufspaltung vorhanden ist, wie in Abb. 22a auch.
1
−1
c1(t)
c2(t)
σ/σS =1 0.8 0.6 0.4 0.2
t = 0 t −→ t = 10 4 TS
Abbildung 24: Langsames σ-Annealing bei on-line Lernen. Das Szenario ist dasselbe wie in Abb. 23a,
wieder ist Tr =0.4 TS. Um den Aufspaltungsprozess zu sehen, wurde jedoch noch weiter, bis σ=0.1σS
abgekühlt. Die leichten Aufspaltungseffekte, die in Abb. 22a zu sehen waren, und die es auch in 23a
gibt, führen hier zum deutlich sichtbaren Phasenübergang (σkrit ≈0.65σS).
c1(t)
c2(t)
(a)
(b)