Durchschnitt der absoluten Summen aller Lerndatensätze = 0 Für alle Lerndatensätze Summe Absoluter Fehler aktueller Lerndatensatz = 0 Für alle Ausgabeneuronen // Fehler für ein Neuron und einen Lerndatensatz Absoluter Fehler aktuelles Neuron = Math.abs(Soll-Wert aktuelles Neuron - Ist-Wert aktuelles Neuron) // Summe der Fehler für einen Lerndatensatz Summe Absoluter Fehler aktueller Lerndatensatz += absoluter Fehler aktuelles Neuron; Durchschnitt der absoluten Summen aller Lerndatensätze += Summe Absoluter Fehler aktueller Lerndatensatz Durchschnitt der absoluten Summen aller Lerndatensätze /= Anzahl Lerndatensätze
Durchschnitt der quadratischen Fehler aller Lerndatensätze = 0 Für alle Lerndatensätze Summe der quadratischen Fehler aktueller Lerndatensatz = 0 Für alle Ausgabeneuronen // Fehler für ein Neuron und einen Lerndatensatz Quadratischer Fehler aktuelles Neuron = Math.pow(Soll-Wert aktuelles Neuron - Ist-Wert aktuelles Neuron, 2.0); // Summe der Fehler für einen Lerndatensatz Summe der quadratischen Fehler aktueller Lerndatensatz += Quadratischer Fehler aktuelles Neuron; Durchschnitt der quadratischen Fehler aller Lerndatensätze += Summe der quadratischen Fehler aktueller Lerndatensatz Durchschnitt der quadratischen Fehler aller Lerndatensätze /= Anzahl Lerndatensätze
Durchschnitt der Quadratwurzeln der quadratischen Fehler aller Lerndatensätze = 0 Für alle Lerndatensätze Summe der quadratischen Fehler aktueller Lerndatensatz = 0 Quadratwurzel der quadratischen Fehler aktueller Lerndatensatz = 0 Für alle Ausgabeneuronen // Fehler für ein Neuron und einen Lerndatensatz Quadratischer Fehler aktuelles Neuron = Math.pow(Soll-Wert aktuelles Neuron - Ist-Wert aktuelles Neuron, 2.0); // Summe der Fehler für einen Lerndatensatz Summe der quadratischen Fehler aktueller Lerndatensatz += Quadratischer Fehler aktuelles Neuron; Quadratwurzel der quadratischen Fehler aktueller Lerndatensatz = Math.sqrt( Summe der quadratischen Fehler aktueller Lerndatensatz / Anzahl der Ausgabeneuronen) Durchschnitt der Quadratwurzeln der quadratischen Fehler aller Lerndatensätze /= Anzahl Lerndatensätze
Maximaler absoluter Fehlerbetrag eines Neurons = -1D Index des Neurons mit max. Fehlerbetrag = 0 Index des Lerndatensatzes mit max. Fehlerbetrag = 0; Für alle Lerndatensätze Für alle Ausgabeneuronen // Fehler für ein Neuron und einen Lerndatensatz Absoluter Fehler aktuelles Neuron = Math.abs(Soll-Wert aktuelles Neuron - Ist-Wert aktuelles Neuron) // Grösster Fehler für ein einzelnes Neuron wenn (Absoluter Fehler aktuelles Neuron > Maximaler absoluter Fehlerbetrag eines Neurons) dann Maximaler absoluter Fehlerbetrag eines Neurons = Absoluter Fehler aktuelles Neuron Index des Neurons mit max. Fehlerbetrag = Index aktuelles Neuron Index des Lerndatensatzes mit max. Fehlerbetrag = Index aktueller Lerndatensatz
![]() mscJNeuralNet
|