Uebung 03

1
Uebung 03

• Perceptron Training

2
Einfaches Perceptron

• Wir erzeugen zunächst mal ein einfaches
  Perceptron mit zwei Input-Neuronen
• net newp(0 1 0 1,1)

3
Ziel das logische OR

• Wir wollen das Netzwerk nun so verändern, daß es
  das logische OR (mit der Wertetabelle
  00 01 10 11 OR 0 1 1 1 )darstellt.
• Mit der Visualisierung aus Uebung 01 soll
  dargestellt werden, wie sich das Netzwerk nach
  jedem Trainingsschrittauf den Zwischenpunkten des
  Intervalls 0,1x0,1 verhält

4
Start Initialisierung

• Wir starten mit einer zufälligen
  Initialisierungnet.IW1 rand(1,2) net.b1
  rand
• Mit tab 0 0 1 10 1 0 1können wir jeweils
  die Übereinstimmung der Netzausgabenet(tab) mit
  der OR-Wertetabelle or 0 1 1 1überprüfen

5
Training

• Wir werden hier jeweils die ganze Trainingsdatei
  pro Trainingsschritt durchgehen (offline
  Training)
• Berechnung des Fehlers output_soll output_ist
  error or net(tab)

6
Gewichtsanpassung

• Wir müssen jede tab-Spalte mit dem Fehler der
  entsprechenden Eingabe multiplizieren und diese
  Werte aufaddierendelta_w taberror'
• Anpassung des Schwellwerts delta_e 1 1 1
  1error'das ist dasselbe wiedelta_e
  sum(error)

7
Visualisierung

• Wir wollen das Verhalten des Netzes nach jedem
  Anpassungsschritt visualisieren (wie in Übung 0)
• VorbereitungR,Smeshgrid(00.051,00.051)
• Der Trainingsprozess läuft in einer Schleife for
  j1no_schritte ab, wobei in jedem Lernschritt
  die Visualisierung angestoßen wirdTRfor
  i1size(R,1) T(i,)net(R(i,)S(i,))en
  dmesh(R,S,T)Film(j)getframe erzeugt ein
  Bild in einem Film
• Der Film mit diesen Visualisierungen kann dann
  mit dem Befehlmovie(Film)abgespielt werden.

8
Aufgabe

• Programmiere diesen Lernprozess aus für die
  folgenden logischen Operationen mit tab 0 0 1
  10 1 0 1
• or 0 1 1 1
• nand 1 1 1 0
• nor 1 0 0 0
• xor 0 1 1 0