• Keine Ergebnisse gefunden

¨Ubung 12 Neuronale Netze WS06-07

N/A
N/A
Protected

Academic year: 2022

Aktie "¨Ubung 12 Neuronale Netze WS06-07"

Copied!
1
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Ubung 12 Neuronale Netze WS06-07 ¨

Prof. Dr. S. Posch

Dipl.BioInform. Andr`e Gohr(@informatik.uni-halle.de)

Institut f¨ur Informatik Universit¨at Halle Abgabe: 18./19.1. in der ¨Ubung

Aufgabe 12.1 (5 Punkte)

Ausgehend von der Hebb-Lernregel f¨ur eine Eingabe ~x l¨aßt sich die Gewichts-update-Regel nach Kohonen herleiten. Als Abklingterm f¨uhrt man g(yi)w~i mit einer positiven Funktion g ein. yi sei die Ausgabe des Neuronsi. Es ergibt sich

△w~i =ǫyi~x−g(yi)w~i

Es wird gefordert, dass g(0) = 0 ist!

(a) Wie m¨ußteg(yi) definiert sein und welche Equivalenz f¨uryi m¨ußten Sie fordern, damit Sie die Gewichts-update-Regel nach Kohonen aus der Vorlesung erhalten?

(b) Erkl¨aren Sie, wieso gefordert werden muß, daß der konstante Term der Taylorentwicklung von g(yi) gleich 0 ist! ¨Uberlegen und erkl¨aren Sie dazu, welche Auswirkung es h¨atte, wenn diese Bedingung nicht erf¨ult ist!

Aufgabe 12.2 (4 Punkte)

Manchmal h¨ort oder liest man, daß der SOM-Trainingsalgorithmus die topologischen Beziehungen (top. Ordnung), die im Eingaberaum vorkommen, erh¨alt. Um genau zu sein, ist diese Aussage nur dann g¨ultig, wenn der Eingaberaum von gleicher oder niedrigerer Dimensionalit¨at ist als der Ausgaberaum (Dimensionalit¨at des Gitters, in dem sich die Neurone befinden ). Diskutieren Sie die G¨ultigkeit dieser Aussage!

Aufgabe 12.3 (4 Punkte) Auf der Internetseite:

http://www.neuroinformatik.ruhr-uni-bochum.de/ini/VDM/research/gsn/DemoGNG/GNG.html finden Sie ein Applet, dass unter anderem eine SOM implementiert und darstellt.

(a) W¨ahlen Sie als Modell: SOM und als Wahrscheinlichkeitsdichte: discrete!

(b) Welche Parameter erlauben es der SOM, die Merkmale am besten zu lernen? Begr¨unden Sie!

(c) Nach wievielen Lern-Iterationen hat Ihrer Meinung nach die SOM die Merkmale des Eingabe- raums gen¨ugend gelernt?

(d) Welche Parameter des Applets sind mit welchen Parameters des Kohonen-Algorithmus aus der Vorlesung verwandt/identisch? Erl¨autern Sie!

Das ¨Ubungsblatt 12 ist ein Zusatz¨ubungsblatt. Die Punkte k¨onnen zus¨atzlich zu den Punkten der ”rich- tigen” ¨Ubungsbl¨atter erreicht werden.

1

Referenzen

ÄHNLICHE DOKUMENTE

F ¨ur die Unterscheidung der beiden Materialien soll ein Ger¨auschsensor eingesetzt werden, dessen Ausgangssignal zur Lautst¨arke des S¨ageger¨ausches

Institut f¨ur Informatik Universit¨at Halle

Institut f¨ur Informatik Universit¨at Halle

Innere Neurone erhalten ihre Eingaben von ihren Vorg¨angerneuronen in Form von deren Ausgaben (deren berechneter Aktivierungszustand) und berechnen daraus die synaptische Summation

Implementieren Sie unter Verwendung Ihrer ¨ Uberlegungen zum objekt-orientierten Konzept eines neu- ronalen Netzes das gezeigte MLP.. Das Konzept muß etwas erweitert werden, um

Diskutieren Sie, warum beim Training mit backpropagation die Gewichte zuf¨allig nahe Null initialisiert werden sollten, und bei bin¨aren Problemen als Zielfunktion nicht die

• bestimmen Sie nach jeder Epoche die Klassifikationsrate r(t) t ∈ [1; 100000] des bis dahin gerlern- ten MLPs, wenn dieses zum Klassifizieren der Elemente der beiden

Karlsruher Institut f¨ ur Technologie Institut f¨ ur Theorie der Kondensierten Materie Ubungen zur Theoretischen Physik F ¨ SS