Uses of Interface
mscJNeuralNet.trainingAlgorithms.INetTrainingAlgorithm

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.