|
|||||||||||
PREV NEXT | FRAMES NO FRAMES |
Packages that use INetTrainingAlgorithm | |
mscJNeuralNet.gui | Dieses Unterpacket enthält grafische Komponenten zur Kontrolle und Darstellung des Neuronalen Netzes. |
mscJNeuralNet.net | Dieses Packet enthält das eigentliche MLP. |
mscJNeuralNet.netPerformanceStatistics | Dieses Packet enthält Klassen zur Berechnung der Fehler Ist-Soll-Werte eines Netzes und damit der Netzperformanz. |
mscJNeuralNet.trainer | Dieses Packet enthält eine Klasse zum komfortablen Verwalten des Trainings. |
mscJNeuralNet.trainingAlgorithms | Dieses Packet enthält alle Lernverfahren, die zum Trainineren eines Netzes benutzt werden können. |
Uses of INetTrainingAlgorithm in mscJNeuralNet.gui |
Methods in mscJNeuralNet.gui that return INetTrainingAlgorithm | |
INetTrainingAlgorithm |
JNetTrainingAlgorithmControl.getTrainingAlgorithm()
|
Methods in mscJNeuralNet.gui with parameters of type INetTrainingAlgorithm | |
void |
JNetTrainingAlgorithmControl.setTrainingAlgorithm(INetTrainingAlgorithm pAlgo)
|
Uses of INetTrainingAlgorithm in mscJNeuralNet.net |
Methods in mscJNeuralNet.net with parameters of type INetTrainingAlgorithm | |
static void |
Net.train(double[][] pInputPatterns,
double[][] pOutputPatterns,
INetTrainingAlgorithm pAlgo)
Führt einen Lernschritt mit dem Lernverfahren und dem im Lernverfahren vermerkten Netz aus, um die gegebenen Lerndatensätze zu trainieren. |
Uses of INetTrainingAlgorithm in mscJNeuralNet.netPerformanceStatistics |
Methods in mscJNeuralNet.netPerformanceStatistics with parameters of type INetTrainingAlgorithm | |
static void |
NetPerformanceReporter.getQualityReport(Net pNet,
INetTrainingAlgorithm pAlgo,
double[][] pInputPattern,
double[][] pOutputPattern,
int pRoundsToTest,
int pMaxCycles,
double[] pConnectorParameters,
INetConnector pNetConnectionAlgo)
Ein Netz wird mehrfach von Grund auf trainiert, um Statistiken über die Performanz der gewählten Parameter des Netzes und des Lernverfahrens zu ermitteln. |
Uses of INetTrainingAlgorithm in mscJNeuralNet.trainer |
Methods in mscJNeuralNet.trainer that return INetTrainingAlgorithm | |
INetTrainingAlgorithm |
NetTrainer.getTrainingAlgorithm()
Liefert das aktuell benutzte Lernverfahren. |
Methods in mscJNeuralNet.trainer with parameters of type INetTrainingAlgorithm | |
void |
NetTrainer.setTrainingAlgorithm(INetTrainingAlgorithm pTrainingAlgorithm)
Legt das Lernverfahren für das Training fest. |
static void |
NetTrainer.train(INetTrainingAlgorithm pTrainingAlgorithm,
double[][] pInputPatterns,
double[][] pOutputPatterns,
int pCycles)
Trainieren bis die gegebene Anzahl an Lernschritten absolviert wurde. |
static void |
NetTrainer.train(INetTrainingAlgorithm pTrainingAlgorithm,
double[][] pInputPatterns,
double[][] pOutputPatterns,
double pTargetError,
int pErrorType)
Trainieren bis zu einem bestimmten Fehlerwert. |
static void |
NetTrainer.train(INetTrainingAlgorithm pTrainingAlgorithm,
double[][] pInputPatterns,
double[][] pOutputPatterns,
double pTargetError,
int pErrorType,
int pCycles)
Trainieren bis zu einem bestimmten Fehlerwert oder bis eine bestimmte Anzahl an Lernschritten absolviert wurde. |
Uses of INetTrainingAlgorithm in mscJNeuralNet.trainingAlgorithms |
Classes in mscJNeuralNet.trainingAlgorithms that implement INetTrainingAlgorithm | |
class |
AbstractTrainingAlgorithm
Diese abstrakte Klasse implementiert Teile der Schnittstelle INetTrainingAlgorithm
und sollte als Grundlage für die Implementierung eigener Lernverfahren dienen.
|
class |
BackpropagationMomentum
Offline Backpropagation Lernverfahren mit Momentumterm nach Rumelhart, Hinton und Williams. |
class |
QuickProp
Das Quick Propagation Lernverfahren nach Fahlman. |
class |
RProp
Das Resilient Backpropagation Lernverfahren nach Riedmiller. |
class |
RPropWeightDecay
Das Resilient Backpropagation Lernverfahren nach Riedmiller mit Weightdecay-Term. |
class |
SuperSABMomentum
Das SuperSAB Lernverfahren nach Tollenaere mit Momentum-Term. |
|
|||||||||||
PREV NEXT | FRAMES NO FRAMES |