1 / 17

Wissensextraktion mittels künstlicher neuronaler Netze Arbeit mit dem JavaNNS

Wismar Business School. Wissensextraktion mittels künstlicher neuronaler Netze Arbeit mit dem JavaNNS. Uwe Lämmel. www.wi.hs-wismar.de/~laemmel Uwe.Laemmel@hs-wismar.de. Schritte. JavaNNS installieren Erzeugen eines Netzes Anlegen einer Training-Datei .pat Anlegen einer Test-Datei .pat

norris
Download Presentation

Wissensextraktion mittels künstlicher neuronaler Netze Arbeit mit dem JavaNNS

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Wismar Business School Wissensextraktion mittelskünstlicher neuronaler NetzeArbeit mit dem JavaNNS Uwe Lämmel www.wi.hs-wismar.de/~laemmel Uwe.Laemmel@hs-wismar.de

  2. Schritte • JavaNNS installieren • Erzeugen eines Netzes • Anlegen einer Training-Datei .pat • Anlegen einer Test-Datei .pat • Trainieren des Netzes • Speichern und Auswerten der Ergebnisse

  3. JavaNNS installieren • Herunterladen vonwww.ra.cs.uni-tuebingen.de/software/JavaNNS/welcome_e.html • Java / JRE muss installiert sein • Entpacken • Start mit:>java –jar JavaNNS.jar • besser: anlegen einer .cmd-Datei mit Aufruf-Zeile • Start von JavaNNS und probieren: • Help > Content • falls Fehler, dann Browser-Pfad einstellen unter View > Properties…

  4. Erzeugen eines Netzes • Netz zur Erkennung von Großbuchstaben • 3 Schichten • Eingabe-Schicht 5x7 Neuronen • verdeckte Schicht 10 Neuronen • Ausgabe-Schicht 26 Neuronen • genau ein Neuron aktiv • Neuron ~ Buchstabe

  5. Erzeugen eines Netzes • Vorbereitung: • View > Network • Schichten anlegen: • Tools > Create > Layers… • Maske füllen • Typ der Neuronen festlegen(Input, Hidden, Output) • Create erzeugt Schicht • Schichten in Reihenfolge • Eingabe-Schicht • verdeckte Schicht (hidden) • Ausgabe-Schicht erzeugen erzeugen create layer für Eingabe-Schicht

  6. Erzeugen eines Netzes • Ausgabe-Schicht mit 4x7 Neuronen erzeugen • Die letzten beiden Neuronen (rechts unten) löschen !  26 Neuronen in Ausgabe-Schicht • Netz-Darstellung anpassen unterView > Display Settings …

  7. Erzeugen eines Netzes – Verbindungen • Tools > Create > Connections … • Auswahl von: Connect feed-forward • Connect – erzeugt die Verbindungen Sichern nicht vergessen!

  8. Erzeugen einer Muster-Datei zum Training • EditorPSPad, Notepad++ … • .pat-Datei erzeugen mit nebenstehender Struktur • # Zeilen = Kommentar • 5x7 Eingabe-Neuronen mit 0-1-Buchstaben-Muster • 26 Ausgabe-Neuronen, 25 davon 0 und eine 1 als Vertreter des Buchstabens •  lettertrain.pat

  9. Erzeugen einer pat-Datei zum Testen • Kopie der Trainingsdatei anlegen • Zwei Werte in jedem Eingabemuster zufällig verändern (0->1 oder 1->0) • entspricht ca. 5% Abweichung •  lettertest.pat

  10. Trainieren des Netzes • Laden der Muster-Datei zum Trainieren • Bei Fehler: • Netz prüfen: • Anzahl und Typ der Neuronen • Verbindungen • Muster-Datei prüfen • Zahl der Muster • Zahl der Werte 0,1

  11. Trainieren des Netzes – Vorarbeiten • Öffnen • Tools > Control Panel • View > Error Graph • Probieren: • Control Panel > Updating • Muster durchklicken • Eingabe-Muster == Buchstabe • andere Schichten ohne erkennbare Struktur,verschiedene Grüntöne

  12. Trainieren des Netzes • Control Panel > Learning • Init • Learn All (für etwa 100 Zyklen) • Error Graph beobachten! • ev. weiter Learn All • Fehler-Kurve beobachten • Qualität prüfen (siehe nächste Folie)

  13. Trainieren des Netzes – Qualität prüfen • Control Panel > Updating • Muster durchklicken • Ausgabe-Schicht beobachten • Werden alle Buchstaben erkannt? • Falls nein, zurück zur vorherigen Folie  Learning

  14. Speichern und Bewerten der Ergebnisse • Test-Datei laden • KEIN Training! • File > Save Data … • Dateiname ändern in .res-Datei,z.b. test1.res • Erscheint Fenster „Saving details“ • include ouput patterns aktivieren • speichern

  15. Speichern und Bewerten der Ergebnisse • .res-Datei enthält: • gewünschtes Output je Muster • berechneter Output je Muster (real-Werte) • res-Datei muss ausgewertet werden • EXCEL / eigenes Programm

  16. 2 Muster-Dateien parallel • Laden der Trainingsdatei • Laden der Test-Datei • im Control Panel unter Patterns • Training set • validation set (Test) • einstellen • Trainieren wie beschrieben • im Error graph Fenster 2 Kurven: • Fehler Trainingsmenge • Fehler Testmenge

  17. Ende

More Related