Ψ Die Informatikseite

Menü
Informatik » Master » Neuronale Netze » Lernen mit Multilayer-Perzeptrons » Lernen an Beispielen
MLPs als universelle Funktionsapproximatoren Lernen mit Multilayer-Perzeptrons Ziel des Lernens

Lernen an Beispielen

Lernen anhand von Beispielen. Es wird gibt eine Menge von Beispielsmustern5 zu denen jeweils ein Desired Output6 vorliegt:

\begin{displaymath}(\underline{x},\underline{D}(\underline{x}))\,\,\,\,\,\mbox{ oder }\,\,\,\,\, (\underline{x},\underline{Y}(\underline{x}))\end{displaymath}


\begin{displaymath}\underline{x}\in \mathbb{R}^{N}\,\,\,\,\,\mbox{ und }\,\,\,\,... ...Y}(\underline{x}),\underline{D}(\underline{x})\in\mathbb{R}^{M}\end{displaymath}

Diese Daten heißen Trainingsmuster oder Lernmuster für die Mustererkennung. Trainingsdaten oder Lerndaten für die Funktionsapproximation und auch für die Mustererkennung.
MLPs als universelle Funktionsapproximatoren Lernen mit Multilayer-Perzeptrons Ziel des Lernens