Künstliche Intelligenz mit Java

Maschinelles Lernen mit Neuronalen Netzwerken

4.6. Dokumentation des Maschinellen Lernens für zwei Anwendungsbeispiele

a) Erstes Beispiel

Das erste Beispiel bezieht sich auf die Realisierung der logischen UND-Verknüpfung aus Kapitel 3:

Input x2	Input x1	Output y (Target)
0	0	0
0	1	0
1	0	0
1	1	1

Diesmal aber mit dem Ziel, dass sich die realen Ausgaben im Laufe des Trainings immer mehr den Zielen 0 bzw. 1 nähern. Dies war mit der Heaviside-Funktion nicht nötig, da schon sehr kleine positive Summen-Werte zu der Zahl 1 geführt haben. Daher wird jetzt die Sigmoid-Funktion angewendet.

Statt eines Neurons wird jetzt ein Neuronales Feed-Forward-Netzwerk mit folgender Konfiguration genommen: Zwei Eingangssignale, zwei Neuronen im Hidden-Layer und ein Neuron im Output-Layer (s. Abbildung 37).