|
|
Neuronales Netz- Unterschied von Training und Labeling Data? |
|
Doro07 |
Forum-Newbie
|
|
Beiträge: 5
|
|
|
|
Anmeldedatum: 13.10.17
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
|
|
Verfasst am: 02.11.2017, 16:54
Titel: Neuronales Netz- Unterschied von Training und Labeling Data?
|
|
|
|
|
Hallo,
ich habe ein sehr spezielles Problem, aber vielleicht kann mir ja jemand weiterhelfen.
Und zwar muss ich ein Neuronales Netz für den Nordatlantik programmieren, um Vorhersagen treffen zu können, wieviel CO2 er aufnehmen kann. Dafür habe ich mir eine som Toolbox runtergeladen und ich habe auch ein passendes MatLab Skript. ABER mein Problem ist, dass ich nicht so recht verstehe, mit welchen Daten ich dieses Netz füttern muss.
Mir ist klar, dass ich einmal Trainingsdaten brauche. Diese bestehen aus dem Datum, Longitude, Latitude, MLD und Temperatur.
Und dann benötige ich Labeling Daten. Diese sollen nun auch die fCO2 Werte beinhalten. Damit eben die gebildeten Neuronen entsprechen gelabelt werden können. Aber ich weiß nicht, ob ich an die erste Liste, einfach an entsprechender Stelle, da wo es passt und ich ein fCO2 Wert für habe, einen anhängen soll. Oder ob ich einfach eine ganz neue Liste nehmen kann, mit anderen Date, Lat, Lon, MLD und temp Werten.
Ist meine Frage verständlich?
Müssen die Datum, Longitude, Latitude, MLD und Temperatur Werte der Trainingsdaten, mit denen der Labelingdaten übereinstimmen?
Kennt sich irgendwer damit aus? Hat vielleicht schonmal ein SOM erstellt?
Ich wäre sehr dankbar für jegliche Kommentare.
|
|
|
|
|
denny |
Supporter
|
|
Beiträge: 3.853
|
|
|
|
Anmeldedatum: 14.02.08
|
|
|
|
Wohnort: Ulm
|
|
|
|
Version: R2012b
|
|
|
|
|
|
Verfasst am: 02.11.2017, 17:36
Titel:
|
|
|
|
|
es gibt ein Buch zu SOM,
vielleicht hilft dir das weiter:
MATLAB_implementations_and_applicat.....f_the_self_organizing_map
Zitat stammt von hier
Zitat: |
When the data set is ready, the network is ready to be trained. Two approaches can be used for the learning process: supervised or adaptive training.
In supervised training, both inputs and outputs are provided and the network compares the results with the provided output. This allows the monitoring of how well an artificial neural network is converging on the ability to predict the right answer.
For adaptive training, only the inputs are provided. Using self-organization mechanisms, the neural networks benefit from continuous learning in order to face new situations and environments. This kind of network is usually called a self-organizing map (SOM) and was developed by Teuvo Kohonen (2014). |
Ansonsten bei Supervised Training werden immer aus Labeling Daten die Training Daten generiert. Meist teilt man die Labeling Daten in Test und Training Set, um Klassifikator zu testen, weil es kann zur Overfitting/Underfiiting kommen.
Bei SOM ist es umgekehrt aus Training Daten fließen erst die Labeling Daten raus.
|
|
|
Doro07 |
Themenstarter
Forum-Newbie
|
|
Beiträge: 5
|
|
|
|
Anmeldedatum: 13.10.17
|
|
|
|
Wohnort: ---
|
|
|
|
Version: ---
|
|
|
|
|
|
Verfasst am: 03.11.2017, 08:46
Titel:
|
|
Das Buch ist wirklich gut!
Vielen Dank für den Tipp!
|
|
|
|
|
Einstellungen und Berechtigungen
|
|
Du kannst Beiträge in dieses Forum schreiben. Du kannst auf Beiträge in diesem Forum antworten. Du kannst deine Beiträge in diesem Forum nicht bearbeiten. Du kannst deine Beiträge in diesem Forum nicht löschen. Du kannst an Umfragen in diesem Forum nicht mitmachen. Du kannst Dateien in diesem Forum posten Du kannst Dateien in diesem Forum herunterladen
|
|
Impressum
| Nutzungsbedingungen
| Datenschutz
| FAQ
| RSS
Hosted by:
Copyright © 2007 - 2024
goMatlab.de | Dies ist keine offizielle Website der Firma The Mathworks
MATLAB, Simulink, Stateflow, Handle Graphics, Real-Time Workshop, SimBiology, SimHydraulics, SimEvents, and xPC TargetBox are registered trademarks and The MathWorks, the L-shaped membrane logo, and Embedded MATLAB are trademarks of The MathWorks, Inc.
|
|