DataLab ist ein kompaktes Statistikprogramm zur explorativen Datenanalyse. Weitere Informationen finden Sie auf den DataLab Webseiten ....



RBF Netzwerk - Modell berechnen

Befehl: Mathematik -> Neuronales Netzwerk -> RBF Netzwerk -> Modell berechnen...

Das Fenster zur Berechnung von RBF-Netzwerken weist drei Bereiche auf (von links nach rechts): den Parameterabschnitt, die Darstellung der Residuen und die Darstellung der geschätzten gegenüber den tatsächlichen Zielwerten. Folgende Parameter können vom Benutzer eingestellt werden:
versteckte N. Die Zahl der versteckten Neuronen. Beachten Sie, dass die Anzahl der versteckten Neuronen 10% oder weniger von der Anzahl der Messwerte des Trainingsdatensatzes sein sollte.
R Der Parameter R legt die Form der Spitze der Basisfunktion fest. Für kontinuierliche Modelle sollte R Null sein, zu Klassifikationszwecken kann R auf einen größeren Wert als Null (üblicherweise zwischen 10 und 1000) gesetzt werden.
S Der Parameter S bestimmt die Steigung der Basisfunktionen. Je kleiner der Wert von S, desto mehr überlappen die Basisfunktionen. Normalerweise wird S auf einen Wert zwischen 0.01 und 0.5 gesetzt (S darf nicht Null sein).

Der Befehl Training startet das Training des RBF-Netzwerkes. Die Anzahl der versteckten Einheiten und verschiedene andere Designparameter müssen vor dem Starten des Trainings festgesetzt sein. Nachdem Sie Training aktiviert haben, müssen Sie die Variablen festlegen, die als Eingabe und zu modellierender Wert des Netzes verwendet werden sollen. Das Netzwerk kann jede beliebige Eingabegröße haben. Zuerst müssen alle Eingabevariablen durch Anklicken auswählen. Danach muss der Benutzer die zu modellierende Variable festlegen (die Variable, die vom neuronalen Netzwerk geschätzt werden soll).

Nachdem die zu modellierende Variable gewählt wurde, wird das Netzwerk trainiert, was zwischen einigen Sekunden und ein paar Minuten dauern kann (hauptsächlich abhängig von der Anzahl an Trainingsdaten und der Art des Computers, auf dem DataLab läuft).

Die Ergebnisse des Trainings werden graphisch dargestellt. Nachdem das Training abgeschlossen wurde, kann der Benutzer das Protokoll lesen, oder das trainierte Netzwerk auf der Disk speichern. Das trainierte und gespeicherte Netzwerk kann später jederzeit geladen und auf andere Daten angewendet werden (siehe Befehl Netzwerk anwenden).


Last Update: 2012-Jul-25