www.vorhilfe.de
Vorhilfe

Kostenlose Kommunikationsplattform für gegenseitige Hilfestellungen.
Hallo Gast!einloggen | registrieren ]
Startseite · Forum · Wissen · Kurse · Mitglieder · Team · Impressum
Forenbaum
^ Forenbaum
Status Englisch
  Status Grammatik
  Status Lektüre
  Status Korrekturlesen
  Status Übersetzung
  Status Sonstiges (Englisch)

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Algorithmen und Datenstrukturen" - Neuronales Netzwerk
Neuronales Netzwerk < Algor.+Datenstr. < Theoretische Inform. < Hochschule < Informatik < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Algorithmen und Datenstrukturen"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Neuronales Netzwerk: Frage (überfällig)
Status: (Frage) überfällig Status 
Datum: 02:23 Di 28.07.2009
Autor: Alex_der_Papagei

Aufgabe
Ein neuronales Netzwerk habe folgende Topologie:

[Externes Bild http://www2.pic-upload.de/28.07.09/iuxvxy4bewy9.jpg]

Inputs an i1 und i2 seien I1 und I2, der Output der output unit o1 sei O1, die Gewichte [mm] w_i [/mm] seien den Verbindungen wie dargestellt zugeordnet. b1 ist eine Bias-Unit mit Output 1. Der Zusammenhang zwischen Input X und Output Y einer unit sei durch [mm] Y=\bruch{1}{1+e^-X} [/mm] gegeben. Geben sie Beispiele für Zahlenwerte für alle [mm] w_i [/mm] an, sodass gilt:

I1=0, I2=0 =>  O1= 0.0 .... 0.1
I1=0, I2=1 =>  O1= 0.9 .... 1.0
I1=1, I2=0 =>  O1= 0.9 .... 1.0
I1=1, I2=1 =>  O1= 0.9 .... 1.0

(entspricht ungefähr OR-Funktion)

und geben sie für diese Fälle jeweils H1 und H2 an.

Ich würde gerne wissen, wie man die Gewichte abschätzen kann, ohne dass man dieses Netz gleich implementieren und trainieren muss, sodass einigermaßen die Vorgegebenen Bedingungen erfüllt werden.

        
Bezug
Neuronales Netzwerk: Fälligkeit abgelaufen
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 03:20 Mi 12.08.2009
Autor: matux

$MATUXTEXT(ueberfaellige_frage)
Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Algorithmen und Datenstrukturen"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.englischraum.de
[ Startseite | Forum | Wissen | Kurse | Mitglieder | Team | Impressum ]