|
|||||||||||
PREV CLASS NEXT CLASS | FRAMES NO FRAMES | ||||||||||
SUMMARY: NESTED | FIELD | CONSTR | METHOD | DETAIL: FIELD | CONSTR | METHOD |
java.lang.ObjectmscJNeuralNet.trainingAlgorithms.AbstractTrainingAlgorithm
mscJNeuralNet.trainingAlgorithms.RProp
Das Resilient Backpropagation Lernverfahren nach Riedmiller.
Implentiert nach der Arbeit
Martin Riedmiller, RProp - Description and Implementation Details, 1994
Gradientenrichtung = Gradient Wij * Gradient WijAlt Falls Gradientenrichtung > 0 Alpha ij = Math.min(Alpha ij * Alpha Plus, Alpha Max) Falls Gradientenrichtung < 0 Alpha ij = Math.max(Alpha ij * Alpha Minus, Alpha Min) Falls Gradient Wij > 0 Delta Wij = -1 * Alpha ij Falls Gradient Wij < 0 Delta Wij = Alpha ij Falls Gradient Wij = 0 Delta Wij = 0Created on 03.06.2004
INetTrainingAlgorithm
,
AbstractTrainingAlgorithm
,
mscJNeuralNet.trainingAlgorithms
Constructor Summary | |
RProp()
|
Method Summary | |
void |
applyWeightUpdate(int pOutputting,
int pInputting)
Derzeit leer. |
java.lang.String |
getAlgorithmName()
Liefert den String "RProp" zurück. |
double[] |
getDefaultLearningParameters()
Dieses Lernverfahren unterstützt folgende Parameter: Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen Lernschrittweiten |
java.lang.String[] |
getLearningParameterNames()
Dieses Lernverfahren unterstützt folgende Parameter: Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen Lernschrittweiten |
double[] |
getLearningParameters()
Dieses Lernverfahren unterstützt folgende Parameter: Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen Lernschrittweiten |
void |
init()
Derzeit leer. |
void |
setLearningParameters(double[] pLearningParameters)
Dieses Lernverfahren unterstützt folgende Parameter: Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen Lernschrittweiten Am Ende der Methode werden die Observer benachrichtigt. |
java.lang.String |
toString()
|
Methods inherited from class mscJNeuralNet.trainingAlgorithms.AbstractTrainingAlgorithm |
getActualGradients, getCycle, getNet, getObserverManager, setActualGradients, setCycle, setNet |
Methods inherited from class java.lang.Object |
clone, equals, finalize, getClass, hashCode, notify, notifyAll, wait, wait, wait |
Constructor Detail |
public RProp()
Method Detail |
public void init()
AbstractTrainingAlgorithm
init
in interface INetTrainingAlgorithm
init
in class AbstractTrainingAlgorithm
INetTrainingAlgorithm.init()
public void applyWeightUpdate(int pOutputting, int pInputting)
AbstractTrainingAlgorithm
applyWeightUpdate
in interface INetTrainingAlgorithm
applyWeightUpdate
in class AbstractTrainingAlgorithm
INetTrainingAlgorithm.applyWeightUpdate(int, int)
public void setLearningParameters(double[] pLearningParameters)
Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen LernschrittweitenAm Ende der Methode werden die Observer benachrichtigt.
pLearningParameters
- Lernparameter für das Lernverfahren fest.INetTrainingAlgorithm.setLearningParameters(double[])
public double[] getLearningParameters()
Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen Lernschrittweiten
INetTrainingAlgorithm.getLearningParameters()
public java.lang.String[] getLearningParameterNames()
Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen Lernschrittweiten
INetTrainingAlgorithm.getLearningParameterNames()
public double[] getDefaultLearningParameters()
Index Bezeichnung Funktion 0 Delta Plus Faktor zum Erhöhen der variablen Lernschrittweite 1 Delta Minus Faktor zum Verkleinern der variablen Lernschrittweite 2 Delta Max Maximale variable Lernschrittweite 3 Delta Min Minimale variable Lernschrittweite 4 Initial Delta Initialwert für alle variablen Lernschrittweiten
INetTrainingAlgorithm.getDefaultLearningParameters()
public java.lang.String getAlgorithmName()
INetTrainingAlgorithm.getAlgorithmName()
public java.lang.String toString()
|
|||||||||||
PREV CLASS NEXT CLASS | FRAMES NO FRAMES | ||||||||||
SUMMARY: NESTED | FIELD | CONSTR | METHOD | DETAIL: FIELD | CONSTR | METHOD |