Zusammenfassung
Dieser Artikel beschäftigt sich mit back-propagation, einem Lernverfahren für Neuronale Netze. Es wird gezeigt, wie sich durch das Einführen von Testzyklen erstens eine starke Beschleunigung der Konvergenzgeschwindigkeit ergibt, und zweitens aufwendige Experimente, die zum Einstellen lernrelevanter Parameter dienen, entfallen können.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Scott E. Fahlmann. Faster—learning variations on back—propagation: An empirical study. In David Touretzky, Geoffrey Hinton, and Terrence Sejnowski, editors, Proceedings of the 1988 Connectionist Models Summer School, pages 38–51, San Mateo, CA, 1989. Morgan Kaufmann Publishers.
Robert A. Jacobs. Increased rates of convergence through learning rate adaption. Neural Networks, 1: 295–307, 1988.
Alan H. Kramer and A. Sangiovanni-Vincentelli. Efficient parallel learning algorithms for neural networks. IEEE Computer, 1987.
Kevin J. Lang and Michael J. Witbrock. Learning to tell two spirals apart. In David Touretzky, Geoffrey Hinton, and Terrence Sejnowski, editors, Proceedings of the 1988 Connectionist Models Summer School, pages 56–59, San Mateo, CA, 1989. Morgan Kaufmann Publishers.
RS88] D. R. Rush and J. M. Salas. Improving the learning rate of backpropagation with the gradient reuse algorithm. In IEEE International Conference on Neural Networks,pages I-441, San Diego, CA, 1988. The Institute of Electrical and Electronic Engineers, Inc., IEEE San Diego Section and IEEE TAB Neural Network Committee.
Ralf Salomon. Adaptiv geregelte Lernrate bei Back-propagation. Technical Report 89–24, Technische Universität Berlin, 1989. Forschungsberichte des Fachbereichs Informatik.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1990 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Salomon, R. (1990). Beschleunigtes Lernen durch adaptive Regelung der Lernrate bei back-propagation in feed-forward Netzen. In: Dorffner, G. (eds) Konnektionismus in Artificial Intelligence und Kognitionsforschung. Informatik-Fachberichte, vol 252. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-76070-9_18
Download citation
DOI: https://doi.org/10.1007/978-3-642-76070-9_18
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-53131-9
Online ISBN: 978-3-642-76070-9
eBook Packages: Springer Book Archive