ich nutze das Programm MemBrain zur Approximation von Grenzzustandsfunktionen.
Ich habe Eingangsvariablen als Eingangsneuronen und bekomme den Funktionswert g(x) als Wert des Ausgangsneuron.
Nun habe ich das Netz mit einem Trainingsdatensatz trainiert. Anschließend möchte ich das Netz anwenden. Ihm werden nun neue Daten einer Testrdatenmenge präsentiert
und es soll daraufhin das erlernte Wissen anwenden und die Funktionswerte g(x) in dem Ausgangsneuron selbstständig prognostizieren. Das heißt, ich präsentiere dem nur
die Eingangsdaten, die Ausgangsdaten nicht (Überwachtes Lernen). Ich bin mir nicht ganz sicher, wie ich den Vorgang in MemBrain umsetze.
Ich habe zuerst die Trainingsdatenmenge als Lesson in den Lesson Editor geladen (siehe Bild). Das Häkchen bei Output habe ich entfernt.
Dann erhält das Netz die Ausgangsdaten nicht, oder liege ich damit falsch?
![Image](http://i58.tinypic.com/2v7zalt.jpg)
Jetzt erstelle ich eine neue Lesson und setze das Häckchen bei Output. Dort sollen die prognostizierten Ausgangswerte gespeichert werden.
![Image](http://i60.tinypic.com/15hy1ad.jpg)
Daraufhin setze ich das Häckchen bei "Record one pattern every 1 Think Step to Lesson No. 2" und klicke "Think on Lesson" an.
Ist die Vorgehensweise richtig oder mache ich was grundlegendes falsch? Auf diese Weise kann ich das Ausgangsneuron nicht
normalisieren, da dem Netz keine Daten vorliegen. Wirkt sich das sehr auf die Ergebnisse aus?
Viele Grüße und danke im Voraus!