taralino

.evaluate

Die Funktion NeuralNetwork.evaluate(x) erwartet folgende (verpflichtende) Argumente:

Argument	Datentyp	Hinweis
x	Datenfeld	Eingangssignal als Vektor

Die Funktion wertet das zuvor trainierte (oder initialisierte) neuronale Netz bezüglich des Eingangssignals x aus. Zurückgegeben wird das entsprechende Ausgangssignal als Datenfeld (Vektor).

Der Rückgabewert kann mittels folgender Option verändert werden:

Variable	Datentyp	Hinweis	Default-Wert
output	Zeichenkette	vector, round oder index	vector

Falls die Option output auf round gesetzt wird, dann wird das Ausgangssignal gerundet: Genau ein Eintrag (nämlich der mit dem größten Wert) ist dann 1 und alle anderen sind 0. Bei index wird nur der Index (als ganze Zahl) des größten Eintrags des Ausgangssignals zurückgegeben. Diese Option kann sinnvoll sein, falls ein Klassifikationsproblem gelöst wird und man sich ohnehin für die Klasse mit der größten Wahrscheinlichkeit entscheidet.

Beispiel

Zunächst werden Trainingsdaten definiert, welche zum Trainieren des neuronalen Netzes verwendet werden. Anschließend wird ein Eingangssignal (am bereits trainierten neuronalen Netz) ausgewertet und das Ergebnis ausgegeben.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

var X = [
  {input:[0.3, 0.2, 0.5], output:[0,1]},
  {input:[0.8, 0.4, 1.0], output:[0,1]},
  {input:[0.5, 1.0, 0.2], output:[1,0]},
  {input:[0.2, 0.3, 0.0], output:[1,0]}
];

NeuralNetwork.init([3,6,2]);
NeuralNetwork.train(X, {iterations:2000, batch_size:4});

var x = [0.7, 0.2, 0.0];

Console.print( NeuralNetwork.evaluate(x) );
Console.print( NeuralNetwork.evaluate(x, {output:"round"}) );
Console.print( NeuralNetwork.evaluate(x, {output:"index"}) );

</script>
</body>
</html>

Vorschau Download Kopie speichern