UNIVERSITA' DEGLI STUDI DI PAVIA - Robotica

learning rate utilizzato attualmente per l’apprendimento. Il valore di
eta potrebbe cambiare dinamicamente durante l’apprendimento per
ottimizzarne l’andamento;
- momentum
valore del momento utilizzato in fase di addestramento. Anche
questo valore, come quello del learning rate, può essere aggiustato
dinamicamente in fase di training per velocizzare e/o migliorare
l’apprendimento;
• float sigmoid(float x, float beta)
calcola la funzione sigmoide di x con coefficiente beta, ovvero:
1
f ( x)
= −β
⋅x
1+
e
• int init_tset(TSET *t, int n, float min_in, float max_in,
float min_out, float max_out)
inizializza una struttura di tipo TSET, ritornando 0 se tutto è stato
eseguito correttamente oppure –1 in caso di errore. Il significato dei
parametri è il seguente:
- n
numero di elementi contenuti nell’insieme;
- min_in, max_in, min_out, max_out
valori utilizzati per scalare opportunamente gli ingressi e le uscite
della rete;
• int split_tset(TSET *inset, TSET *ts, TSET *vs)
suddivide l’insieme puntato da inset nei sottoinsiemi ts e vs, che devono
precedentemente essere stati inizializzati per impostare il numero di
elementi che si desidera inserirvi. Questa funzione è utile per creare
degli insiemi di training, di validazione e di test a partire da un unico
insieme di partenza, che può essere, ad esempio, letto da file. La
funzione ritorna 0 in caso di successo, mentre ritorna –1 nel caso inset
non contenga elementi sufficienti per riempire ts e vs.
187