Berechnungen zu einer Simulation mittels NN

[DanieldB]

Hi Thomas,

also um bei diesen 61 Ausgangsneuronen handelt es sich tatsächlich um Verhaltensparameter. Allerdings stelle sie nur einen Teil dar. Am Ende sollen bei mir 5 Kurven herauskommen, an denen man das Verhalten des Schiffes ablesen kann (sie somit zur Steuerung innerhalb der SImulation dienen). Ich werde aber diese 5 Kurven in 5 NN entwickeln lassen. In meinem Netz geht es darum das sich zwei Schiffe entweder begegnen oder überholen.
Meine Datensätze sind tatsächlich Ergebnisse aus Experimenten aus einem Labor.
Ich hoffe ich konnte deine Fragen beantworten und nochmals vielen Dank für deine ganze Hilfe. DU bist echt meine letzte Rettung, denn in meiner Uni habe ich leider niemanden der sich mit den neuronalen Netzen wirklich auskennt.

lg
Daniel

[DanieldB]

gibt es die Möglichkeit, das mein Netz auch eine Art Vektor ausgibt? Somit müsste ich nicht 5 verschiedene Netze konstruieren. Vom Aufbau her müssten die ja eh identisch sein.

lg
Daniel

[Admin]

EIn Netz kann natürlich auch einen Vektor ausgeben, d.h., mehrere skalare Werte, die durch mehrere Ausgabeneuronen repräsentiert werden.

[DanieldB]

Moin Thomas,
wie sehe so ein Netz denn dann aus?
lg
Daniel

[Admin]

wie sehe so ein Netz denn dann aus?

Tja, jetzt bin ich mir nicht ganz sicher, ob wir uns richtig verstanden haben:
Wenn ich 'Vektor' sage, dann meine ich in diesem Kontext ein Tupel von skalaren Werten. Wenn ein Netz nun mehrere Ausgangsneuronen hat, von denen jedes einen dieser skalaren Werte repräsentiert, dann repräsentiert die Menge von Ausgangsneuronen als Gesamtheit betrachtet einen Vektor.

MemBrain kennt keine Vektoren als Begriff, es gibt also keine direkte Repräsentation eines Vektors in MemBrain.

Klärt das Deine Frage?

Viele Grüße

[DanieldB]

Hallo Thomas,

nach langem basteln melde ich mich nun mal wieder. Eins meiner 5 Netze läuft super. Gibt mir fast genau das aus was ich brauche.
Bei den anderen sieht das leider gaaaaanz anders aus. Hier mal zwei Dateien die dir mein Problem verdeutlichen sollen.
Grob wird der Verlauf der Kurve ja schon wiedergegeben aber die rote (berechnete) Kurve "zappelt" viel zu stark. Ich bräuchte da dringend einen Tipp wo da mein Fehler ist, denn ich verzweifle hier gerade. Egal was ich verändere erhalte ich keine Verbesserung.

Liebe Grüße
Daniel

[DanieldB]

was ich vielleicht noch sagen sollte: Bei den Aktivierungsfunktionen handelt es sich immer um logistische. Nur die letzte Hiddenline ist als Identical versehen.
Ich hoffe es hilft

lg
Daniel

[Admin]

Also zunächst einmal ist das ein ungeheuer mächtiges Netz. Mit wie vielen Pattern trainierst Du denn? Bei dieser Mächtigkeit würdest Du meiner Meinung nach viele tausend Muster benötigen, um das Netz zum Generalisieren zu zwingen.

Ich halte es für wesentlich vielversprechender, mit einem deutlich kleineren Netz zu arbeiten (weniger Hidden-Neuronen und Links), sonst steigen die Trainingszeiten ja auch ins Unermessliche und es bleibt keine Zeit für Optimierungen.

Kannst Du mal einen repräsentativen Beispieldatensatz posten oder mir per PN / Email zukommen lassen, zusammen mit ein paar Informationen dazu?
Die wesentlichste Information, die ich benötige, ist eine Aussage darüber, ob die Datensätze eine Reihenfolgenabhängigkeit aufweisen, die vom Netz erlernt werden soll, d.h., handelt es sich um einen einfachen Musterassoziator oder um ein zeitabhängiges Netz? Am besten lässt Du mir auch mal das Netz selbst zukommen, dann kann ich mir ein besseres Bild machen.

Nur die letzte Hiddenline ist als Identical versehen.

Das halte ich auch für keine gute Idee. Die 'Identical'-Funktion bringt in der Praxis fast nie gute Ergebnisse, sie hat aus meiner Sicht eher akademischen Charakter.
Ich würde zunächst bei ausschließlich 'Logistic' bleiben.

Viele Grüße