Neuronales Netz / adaptives Lernen

WICHTIG: Der Betrieb von goMatlab.de wird privat finanziert fortgesetzt. - Mehr Infos...

Partner:

Forum

Option

[Erweitert]

• Diese Seite per Mail weiterempfehlen

Gehe zu:

Gast


	Beiträge: ---

	Anmeldedatum: ---

	Wohnort: ---

	Version: ---

Verfasst am: 14.12.2011, 11:52 Titel: Neuronales Netz / adaptives Lernen

Hallo,

ich habe eine Anwendung, die online lernt, sprich bei der verschiedene Betriebspunkte nacheinander (zufällig) in das Netz gelernt werden.
Also z.B. Roboter hat als Input die Koordinaten x und y und lernt daraus zwei Faktoren a und b.
Nun möchte ich, da die input/target Paare zuviel an Speicher benötigen würden, nur einzeln die Punkte einschieben und sequentiell lernen (statt batch mode).
Wenn ich das richtig verstanden habe, ist hierfür die Funktion adapt notwendig.
Ich habe ein Netz mit einem hidden layer und 25 Neuronen, aber dennoch scheint das Netz nach Ende der Regelung nicht richtig gelernt zu haben, da ich für alle Inputs fast die selben outputs bekomme.
Hier mein Code:

Code:

net = network;
net.numInputs = 1;
net.numLayers = 2;

% input layer
net.inputs{1}.size = 2;

% hidden layer
net.layers{1}.size = 25;
net.layers{1}.transferFcn = 'logsig';
net.layers{1}.initFcn = 'initwb';
net.biasConnect(1) = 1;

% output layer
net.layers{2}.size = 2; % 2 outputs
net.layers{2}.transferFcn = 'logsig';
net.layers{2}.initFcn = 'initwb';
net.biasConnect(2) = 1;
% Connect layers
net.inputConnect(1) = 1;
net.layerConnect(2,1) = 1;
net.outputConnect(2) = 1;

% init weights/bias
net.inputWeights{1,1}.initFcn = 'rands';
net.inputWeights{1,1}.learnFcn = 'learngdm';
net.layerWeights{2,1}.initFcn = 'rands';
net.layerWeights{2,1}.learnFcn = 'learngdm';
net.biases{1}.initFcn = 'rands';
net.biases{1}.learn = 1;
net.biases{1}.learnFcn = 'learngdm';
net.biases{2}.initFcn = 'rands';
net.biases{2}.learn = 1;
net.biases{2}.learnFcn = 'learngdm';

net.initFcn = 'initlay';
net.inputWeights{1,1}.learnFcn = 'learngdm';
net.inputWeights{1,1}.learnParam.lr = 0.5;

net.performFcn = 'mse';
% net.trainFcn = 'trainlm';
% net.trainParam.goal=1e-4;

net.adaptFcn = 'adaptwb';

net = init(net);

% view(net)

% init
P0 = {[input(1,1); input(1,2)] };
T0 = {[target(1,1);target(1,2)]};

[net,a,e,pf] = adapt(net,P0,T0);

for i = 1:size(dDyn,1)-3

P = {[input(i,1); input(i,2)] };
T = {[target(i,1);target(i,2)]};

e = 100; n = 0;
while(mse(e)>0.1 && n<200) % Abbruchbedingung e = 0.1
[net,a,e,pf] = adapt(net,P,T, pf);
% net.adaptParam.passes = 100;
mse(e)
n = n+1;
end
end
end

Funktion ohne Link?

Wo ist mein Denk/Programmierfehler?

Vielen Dank

lyonidas

Gast


	Beiträge: ---

	Anmeldedatum: ---

	Wohnort: ---

	Version: ---

Verfasst am: 27.06.2013, 15:16 Titel: Wie kannst du dann am Ende Testen

hallo
wie kannst du denn am Ende der training testen und wissen das dein Netz etwas gelernet hast.ich habe das gleiche Problem wie du.bitte sag mir wie schritte wie kann ich bei adaptives Lernen am ende testen .

gruss lyonidas


Einstellungen und Berechtigungen
Beiträge der letzten Zeit anzeigen:	Du kannst Beiträge in dieses Forum schreiben. Du kannst auf Beiträge in diesem Forum antworten. Du kannst deine Beiträge in diesem Forum nicht bearbeiten. Du kannst deine Beiträge in diesem Forum nicht löschen. Du kannst an Umfragen in diesem Forum nicht mitmachen. Du kannst Dateien in diesem Forum posten Du kannst Dateien in diesem Forum herunterladen

Impressum | Nutzungsbedingungen | Datenschutz | FAQ |

RSS

Hosted by:

Copyright © 2007 - 2024 goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks

MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.