Neuronaler Netzknoten - Lernraten

Vorsicht:

Diese Informationen beziehen sich auf eine veraltete Version des Modellierungsknotens für das neuronale Netz und dienen nur zu Referenzzwecken. In dieser Version ist eine neuere Fassung des Knotens mit verbesserten Funktionen verfügbar. Weitere Informationen finden Sie in Neuronale Netze. Sie können mit der veralteten Version weiterhin Modelle bauen und scoren. Es wird jedoch dringend empfohlen, die neuere Version zu verwenden.

Das Training neuronaler Netze wird durch mehrere Parameter gesteuert. Diese Parameter können mit der Registerkarte "Experten" des Dialogfelds für neuronale Netzknoten festgelegt werden.

Alpha. Ein Impulsterm der bei der Aktualisierung der Gewichtungen während des Trainings verwendet wird. Der Impuls sorgt in der Regel dafür, dass sich die Gewichtungsänderungen stets in dieselbe Richtung bewegen. Geben Sie einen Wert zwischen 0 und 1 an. Höhere Werte für Alpha erhöhen den Impuls. Dadurch wird die Tendenz zur Richtungsänderung auf der Grundlage der lokalen Variationen in den Daten verringert.

Eta. Die Lernrate, die steuert, wie stark die Gewichtungen bei jeder Aktualisierung angepasst werden. Eta ändert sich im Laufe des Trainings bei allen Trainingsmethoden außer RBFN, wo dieser Wert konstant bleibt. "Anfängliches Eta" ist der Startwert für Eta. Während des Trainings wird für Eta zunächst "Anfängliches Eta" verwendet, dann wird der Wert auf "Niedriges Eta" reduziert, auf "Hohes Eta" zurückgesetzt und dann wieder auf "Niedriges Eta" abgesenkt. Die letzten beiden Schritte werden wiederholt, bis das Training abgeschlossen ist.

"Eta-Verfall" gibt die Geschwindigkeit an, mit der Eta abnimmt, als Anzahl der Zyklen an, die zwischen "Hohes Eta" und "Niedriges Eta" liegen. Geben Sie Werte für die einzelnen Eta-Optionen an.