taralino

.train

Der Befehl NeuralNetwork.train(X) erwartet folgende (verpflichtende) Argumente:

Argument	Datentyp	Hinweis
X	Datenfeld	Liste von Objekten

Der Befehl trainiert ein neuronales Netz anhand der Trainingsdaten X. Dabei ist X eine Liste von Objekten mit jeweils folgenden Variablen:

Variable	Datentyp	Hinweis
input	Datenfeld	Eingangssignal als Vektor
output	Datenfeld	Ausgangssignal als Vektor

Als Trainingsverfahren wird die Backpropagation angewandt.

Zudem können folgende Optionen verwendet werden:

Variable	Datentyp	Hinweis	Default-Wert
iterations	Zahl	ganzzahlig, positiv	1000
batch_size	Zahl	ganzzahlig, positiv	100
learning_rate	Zahl	positiv	5.0

Die Optionen definieren die Parameter der Trainingsphase: iterations bestimmt die Anzahl der Iterationen, batch_size die Losgröße pro Iteration und learning_rate schließlich die Lernrate.

Beispiel

Zunächst werden Trainingsdaten bestehend aus vier Datensätzen 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];
var y = NeuralNetwork.evaluate(x);

Console.print(y);

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

Vorschau Download Kopie speichern