|
|||||||||||
PREV PACKAGE NEXT PACKAGE | FRAMES NO FRAMES |
See:
Description
Class Summary | |
LightWeightNetPerformanceStatistics | Diese Klasse enthält Informationen zu verschiedenen Netzfehlern. |
NetPerformanceReporter | Diese Klasse dient der Erzeugung eines Berichtes über die berechneten Ist-Soll Fehlerwerte eines Netzes. |
NetPerformanceStatistics | Diese Klasse enthält Informationen zu verschiedenen Netzfehlern. |
NetPerformanceStatisticsCalculator | Diese Klasse berechnet die aktuellen Ist-Soll Fehlerwerte eines Netzes. |
Dieses Packet enthält Klassen zur Berechnung der Fehler Ist-Soll-Werte
eines Netzes und damit der Netzperformanz.
Es stehen vier Haupt-Fehlertypen zur Verfügung, die Abgerufen werden können:
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
NetPerformanceStatistics
undLightWeightNetPerformanceStatistics
Die Klasse NetPerformanceStatistics
enthält alle berechneten Zwischenschritte wie Fehlerwerte für einzelne Lerndatensätze
oder die Lerndatensätze selbst. Daher hat diese Klasse einen sehr hohen
Speicherverbrauch. Daher existiert auch eine "Leichte"-Version dieser Klasse,
die nur die Hauptfehlerdaten enthält.
Die Klasse NetPerformanceStatisticsCalculator
berechnet alle Werte, die in einer der oben genannten Klassen gespeichert werden.
Die Klasse NetPerformanceReporter
kann aus den berechneten Werten eine Stringrepräsentation in Form eines
Berichtes erzeugen.
![]() mscJNeuralNet
|
|
|||||||||||
PREV PACKAGE NEXT PACKAGE | FRAMES NO FRAMES |