Die Mathe-Redaktion - 28.05.2018 09:44 - Registrieren/Login
Auswahl
ListenpunktHome
ListenpunktAktuell und Interessant ai
ListenpunktArtikelübersicht/-suche
ListenpunktAlle Links / Mathe-Links
ListenpunktFach- & Sachbücher
ListenpunktMitglieder / Karte
ListenpunktRegistrieren/Login
ListenpunktArbeitsgruppen
ListenpunktSchwätz / Top 15
ListenpunktWerde Mathe-Millionär!
ListenpunktAnmeldung MPCT Juli
ListenpunktFormeleditor fedgeo
Aktion im Forum
Suche
Stichwortsuche in Artikeln und Links von Matheplanet
Suchen im Forum
Suchtipps

Bücher
Englische Bücher
Software
Suchbegriffe:
Mathematik bei amazon
Naturwissenschaft & Technik
In Partnerschaft mit Amazon.de
Kontakt
Mail an Matroid
[Keine Übungsaufgaben!]
Impressum

Bitte beachten Sie unsere Nutzungsbedingungen, die Distanzierung, unsere Datenschutzerklärung und
die Forumregeln.

Sie können Mitglied werden. Mitglieder können den Matheplanet-Newsletter bestellen, der etwa alle 2 Monate erscheint.

Der Newsletter Okt. 2017

Für Mitglieder
Mathematisch für Anfänger
Wer ist Online
Aktuell sind 308 Gäste und 14 Mitglieder online.

Sie können Mitglied werden:
Klick hier.

Über Matheplanet
 
Zum letzten Themenfilter: Themenfilter:
Matroids Matheplanet Forum Index
Moderiert von matroid
Informatik » Algorithmen / Datenstrukturen » Perzeptron Lernalgorithmus
Druckversion
Druckversion
Antworten
Antworten
Autor
Universität/Hochschule Perzeptron Lernalgorithmus
flagflag
Junior Letzter Besuch: vor mehr als 3 Monaten
Dabei seit: 15.12.2017
Mitteilungen: 5
Aus:
Zum letzten BeitragZum nächsten BeitragZum vorigen BeitragZum erstem Beitrag  Themenstart: 2018-02-09


Hallo liebe Community,
ich muss folgende Aufgabe lösen:

fed-Code einblenden

Mein Problem liegt nun bei den einzelnen Lernschritten. Ich weiß, dass der oberste Wert, die Schranke/den Schwellwert darstellt und so weiß ich, ob das Perzeptron 1, oder -1 ist.
Als nächstes weiß ich, dass ich bei jedem Schritt das Skalarprodukt bilden muss, um zu schauen, ob ich das Perzeptron mit folgenden Regeln anpassen muss:

-1 -> 1: Wneu -> Walt + y
1 -> -1: Wneu -> Walt - y

Jetzt weiß ich aber nicht, wie ich mit den Informationen, die ich bisher habe, die Aufgabe lösen soll.
Ich muss doch eigentlich ein Perzeptron trainieren, das a, b und c enthält, also jeden Schwellwert für a,b und c bestätigt.
Mich verwirrt außerdem, dass ich für den Schwellwert -1 habe, in allen Beispielen im Internet ist die Rede von 0 und 1 und nicht von -1 und 1.


Ich würde mich über Eure Hilfe bedanken und wäre Euch dankbar, wenn Ihr mir helfen könnt (wenn möglich anhand dieses Beispiel einen Schritt vorrechnet).
Vielen Dank  smile



  Profil  Quote  Link auf diesen Beitrag Link
juergen007
Aktiv Letzter Besuch: in der letzten Woche
Dabei seit: 17.08.2006
Mitteilungen: 2722
Aus: Braunschweig
Zum letzten BeitragZum nächsten BeitragZum vorigen BeitragZum erstem Beitrag  Beitrag No.1, eingetragen 2018-02-13


Was ist ein perzeptron? K.I.?



  Profil  Quote  Link auf diesen Beitrag Link
flagflag
Junior Letzter Besuch: vor mehr als 3 Monaten
Dabei seit: 15.12.2017
Mitteilungen: 5
Aus:
Zum letzten BeitragZum nächsten BeitragZum vorigen BeitragZum erstem Beitrag  Beitrag No.2, vom Themenstarter, eingetragen 2018-02-13


Genau, ist ein künstliches neuronales Netz und wird in der Informatik verwendet, damit das System selbst lernen kann und sein Wissen erweitern kann.



  Profil  Quote  Link auf diesen Beitrag Link
juergen007
Aktiv Letzter Besuch: in der letzten Woche
Dabei seit: 17.08.2006
Mitteilungen: 2722
Aus: Braunschweig
Zum letzten BeitragZum nächsten BeitragZum vorigen BeitragZum erstem Beitrag  Beitrag No.3, eingetragen 2018-02-14


2018-02-13 13:53 - flagflag in Beitrag No. 2 schreibt:
Genau, ist ein künstliches neuronales Netz und wird in der Informatik verwendet, damit das System selbst lernen kann und sein Wissen erweitern kann.

Nutzlos wenn es nicht den Müll rausbringt. biggrin



  Profil  Quote  Link auf diesen Beitrag Link
Folgende Antworten hat der Fragesteller vermutlich noch nicht gesehen.
Brayn
Aktiv Letzter Besuch: in der letzten Woche
Dabei seit: 07.09.2014
Mitteilungen: 240
Aus: Kaiserslautern
Zum letzten BeitragZum nächsten BeitragZum vorigen BeitragZum erstem Beitrag  Beitrag No.4, eingetragen 2018-02-23


Hi,
sry für die späte Antwort. Meines Erachtens fehlen hier noch einige Informationen, kannst du bitte mal die vollständige Aufgabe posten?

Ich vermute mal Y ist die Menge aller Labels. Das heißt du brauchst noch die Menge aller Inputs X. Falls es die Menge aller Inputs ist, dann brauchst du noch die Menge aller Labels, denn das Perzeptron ist ein supervised Verfahren. Das heißt ohne Ground Truth funktioniert das Lernen nicht.
Des Weiteren müsste man wissen welche Aktivierungsfunktion ihr verwendet? Wir verwendeten für (allgemeine) Neuronale Netze zum Beispiel die Logistic Function (siehe hier). In diesem Link findest du auch schon die Ableitung für die Aktivierungsfunktion (kannst du auch mal nachrechnen, wenn du magst).

Dann kannst du mal mit einem Forward Pass beginnen und den Fehler am Output berechnen (dafür brauchst du die Labels). Danach sehen wir mal weiter. :) Denn dann kommt die Backpropagation.

P.S. eine Definition eures Perzeptrons wäre auch ganz hilfreich. Es gibt mittlerweile sehr viele unterschiedliche Versionen. Auch die Einträge der Vektoren (dass der erste Eintrag den Bias angibt, ist nicht überall gleich). Hast du noch mehr Informationen über die Einträge der Vektoren?


Liebe Grüße,
Matthias



  Profil  Quote  Link auf diesen Beitrag Link
flagflag wird per Mail über neue Antworten informiert.
Neues Thema [Neues Thema] Antworten [Antworten]    Druckversion [Druckversion]

 


Wechsel in ein anderes Forum:
 Suchen    
 
All logos and trademarks in this site are property of their respective owner. The comments are property of their posters, all the rest © 2001-2018 by Matroids Matheplanet
This web site was made with PHP-Nuke, a web portal system written in PHP. PHP-Nuke is Free Software released under the GNU/GPL license.
Ich distanziere mich von rechtswidrigen oder anstößigen Inhalten, die sich trotz aufmerksamer Prüfung hinter hier verwendeten Links verbergen mögen.
Lesen Sie die Nutzungsbedingungen, die Distanzierung, die Datenschutzerklärung und das Impressum.
[Seitenanfang]