Diplomarbeit von Michael Schindler
Diplomarbeit von Michael Schindler
Diplomarbeit von Michael Schindler
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
80 4. Neuigkeitsorientiertes Lernen<br />
4.1.2 Ein Algorithmus für die Entkopplung <strong>von</strong> Lern- und Systemdynamik<br />
Der ANTS, als selbstreferentiell filternder univar-Algorithmus, lautet nun folgendermaßen:<br />
(TS-1) Initialisiere die Netzwerkparameter wie in (MV-1)<br />
(TS-2) Ziehe den nächsten Punkt xt aus dem Datensatz X. Berechne die Gesamtaktivität<br />
A � xt, θ(t) � als Mischung <strong>von</strong> gleich gewichteten univariaten<br />
�<br />
Normalverteilungen<br />
identischer Varianz σ, sowie die Zuständigkeiten ar xt, θ(t) � durch<br />
globale Normierung nach Gleichung (1-10).<br />
(TS-3) Bestimme die Relevanz des Punktes x,<br />
f � xt, θ(t) � = Θ(ǫA − A(xt)) ∈ {0, 1} (4-6)<br />
und passe die Neuigkeitsschwelle an,<br />
�<br />
η α falls f(xt) = 0,<br />
ln ǫA(t+1) = ln ǫA(t) +<br />
η (α − 1) sonst.<br />
(4-7)<br />
(TS-4) Berechne die neue Schätzung mit der Zentren-Lernregel<br />
cr(t+1) = cr(t) + εf � xt, θ(t) � �<br />
ar xt, θ(t) � � xt − cr(t) � , (4-8)<br />
(TS-5) Setze die Lernparameter ε und σ auf neue Werte, und zwar nach vorgegebenen<br />
Annealing-Schemata ε(t) und σ(t)<br />
(TS-6) Zähle die diskrete Zeit t weiter und gehe zu (TS-2).<br />
Der Algorithmus ist so gemacht, dass die Lernparameter nur im Fall eines relevanten<br />
Datenpunktes abgekühlt werden. Implizit führt man also eine subjektive Zeit tL des<br />
Lerners ein, die nur dann weitergezählt wird, wenn gelernt wird. In seiner eigenen<br />
Zeit verhält sich der Algorithmus also wie im univar-Modus. Wegen f ∈ {0, 1} ist die<br />
subjektive Zeit hier<br />
t�<br />
tL(t) = f(t ′ ). (4-9)<br />
t ′ =0<br />
In dieser Zeit erscheinen langlebige Datencluster nun <strong>von</strong> kürzerer Dauer, und man<br />
erhält, vom Standpunkt des Lerners aus gesehen, neue, verkürzte Systemzeitskalen.<br />
Diese Veränderung des zeitlichen Systemverhaltens ist Ziel und Grund für die Einführung<br />
des Faktors f in die Lernregel.<br />
In der Formulierung des ANTS in (TS-1) bis (TS-6) wurde durchgängig die Notation der<br />
Aktivitäten A und ar verwendet, und nicht, wie im multivar-Algorithmus, diejenigen<br />
der geschätzten Wahrscheinlichkeiten ˆp und ˆ P(r|·). Dies hat den Grund, dass die<br />
Gesamtaktivität A hier kein Modell für die Verteilungsdichte p mehr ist, sondern andere<br />
Approximationseigenschaften hat, wie im folgenden Abschnitt gezeigt wird.