Zusammenfassung
Dieses Kapitel stellt den Test des Entwurfs und seine Optimierung mit synthetischen Daten vor. Die Abbildungstreue der Dimensionsreduktion in Abhängigkeit unterschiedlich verrauschter Datensätze wird für das NOP-Verfahren zur Dimensionsreduktion (unüberwacht trainierbares KNN) in Verbindung mit der Einheit SA (überwacht trainierbares KNN) bezüglich Stabilität und Genauigkeit untersucht. Zur Simulation der Trainingsphase werden der Lernmaschine mit einem Funktionsgenerator erzeugte synthetische Daten als Trainingsdatenpunkte zur Verfügung gestellt. Zum Test der Arbeitsphase wird ihr ein ebenso erzeugter Testdatensatz, der aus neuen untrainierten Datenpunkten besteht, präsentiert. Generalisierungsfähigkeit, Genauigkeit der Abbildung und damit des Verfahrens sind aus den erzielten Abbildungsergebnissen deduzierbar. In der Arbeitsphase kommen dabei zwei verschiedene Methoden zur Bestimmung der Rekonstruktionsgewichte zum Einsatz, die sich hinsichtlich des Aufwandes unterscheiden und verschiedene Vorteile bezüglich möglicher Anwendungen bieten.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Im Pseudocode dargestellte Softwaremodule sind unabhängig von Programmiersprachen und ermöglichen es dem Leser auch ohne spezielle Programmiersprachenkenntnisse, die Programmabläufe zu verstehen.
- 2.
Maximaler Gradient von Punkt \(X_i^m\) zu Punkt \(X_{i+1}^m\), Definition von WMaxAbWei in Abschn. 7.5.
- 3.
Die NN-Anzahl wird mit der Prozedur in Abschn. 7.5.2 automatisch bestimmt.
- 4.
In Abb. 7.4 ist diese mittelnde Eigenschaft einer höheren NN-Anzahl K dargestellt.
Literatur
Sartorius G (2009) Multivariate Adaption mit modularisierten künstlichen neuronalen Netzen: Zugl.: Hagen, Fernuniv., Fachbereich Elektrotechnik, Diss., 2009, Fortschritt-Berichte VDI Reihe 10, Informatik/Kommunikation, vol 799, als ms. gedr edn. VDI-Verl., Düsseldorf
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Sartorius, G. (2019). Simulation und Test. In: Erfassen, Verarbeiten und Zuordnen multivariater Messgrößen. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-23576-5_17
Download citation
DOI: https://doi.org/10.1007/978-3-658-23576-5_17
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-23575-8
Online ISBN: 978-3-658-23576-5
eBook Packages: Computer Science and Engineering (German Language)