|
|||||||||||
PREV NEXT | FRAMES NO FRAMES |
Packages that use Net | |
mscJNeuralNet.connectors | Packet der Klassen, welche die Kantengewichte eines KNN initialisieren. |
mscJNeuralNet.gui | Dieses Unterpacket enthält grafische Komponenten zur Kontrolle und Darstellung des Neuronalen Netzes. |
mscJNeuralNet.gui.subComponents | Dieses Packet enthält einfache Teilkomponenten, die in den GUI-Komponenten eingesetzt werden. |
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.trainingAlgorithms | Dieses Packet enthält alle Lernverfahren, die zum Trainineren eines Netzes benutzt werden können. |
Uses of Net in mscJNeuralNet.connectors |
Methods in mscJNeuralNet.connectors with parameters of type Net | |
void |
WesselsBarnardNetConnector.connectNet(Net pNet,
double[] pParameters)
Gegebene Parameter werden nicht berücksichtigt. |
void |
RandomSymmetryBreakingNetConnector.connectNet(Net pNet,
double[] pParameters)
Gegebene Parameter werden nicht berücksichtigt. |
void |
RandomNetConnector.connectNet(Net pNet,
double[] pParameters)
Der Wert in der Arrayposition 0 des übergebenen Parameterarrays wird als maximale / minimale Gewichtsgröße gewertet. |
void |
INetConnector.connectNet(Net pNet,
double[] pParameters)
Initialisiert die Gewichtsmatrix des gegebenen Netzes mit Startwerten, so daß das Netz verbunden (connected) ist. |
Uses of Net in mscJNeuralNet.gui |
Methods in mscJNeuralNet.gui that return Net | |
Net |
JNetWeightView.getNet()
|
Net |
JNetInfoView.getNet()
|
Methods in mscJNeuralNet.gui with parameters of type Net | |
void |
JNetWeightView.setNet(Net pNet)
|
void |
JNetInfoView.setNet(Net pNet)
|
Uses of Net in mscJNeuralNet.gui.subComponents |
Methods in mscJNeuralNet.gui.subComponents that return Net | |
Net |
JWeightView.getNet()
Liefert das Netz zurück, welches durch diese Komponente dargestellt wird. |
Methods in mscJNeuralNet.gui.subComponents with parameters of type Net | |
void |
JWeightView.setNet(Net pNet)
Legt das Netz fest, welches durch diese Komponente dargestellt werden soll. |
Uses of Net in mscJNeuralNet.net |
Methods in mscJNeuralNet.net that return Net | |
static Net |
Net.load(java.io.File pTargetFile)
Lädt ein Netz aus einer Datei. |
Methods in mscJNeuralNet.net with parameters of type Net | |
static double[][] |
Net.calculateGradientsOffline(Net pNet,
double[][] pInputPatterns,
double[][] pOutputPatterns)
Berechnet den aktuellen Fehlergradienten für die gegebenen Lerndatensätze. |
static void |
Net.save(Net pNet,
java.io.File pTargetFile)
Speichert das Netz in einer Datei. |
Uses of Net in mscJNeuralNet.netPerformanceStatistics |
Methods in mscJNeuralNet.netPerformanceStatistics with parameters of type Net | |
static NetPerformanceStatistics |
NetPerformanceStatisticsCalculator.calculateErrors(Net pNet,
double[][] pInputPatterns,
double[][] pOutputPatterns)
Berechnet alle aktuellen Ist-Soll Fehlerwerte eines Netzes und gibt diese als NetPerformanceStatistics Objekt zurück. |
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 Net in mscJNeuralNet.trainingAlgorithms |
Methods in mscJNeuralNet.trainingAlgorithms that return Net | |
Net |
INetTrainingAlgorithm.getNet()
Liefert das Netz, welches derzeit von diesem Lernverfahren trainiert wird. |
Net |
AbstractTrainingAlgorithm.getNet()
|
Methods in mscJNeuralNet.trainingAlgorithms with parameters of type Net | |
void |
INetTrainingAlgorithm.setNet(Net pNet)
(Er-)setzt das Netz, das durch dieses Lernverfahren trainiert werden soll. |
void |
AbstractTrainingAlgorithm.setNet(Net pNet)
|
|
|||||||||||
PREV NEXT | FRAMES NO FRAMES |