Regensburg 2000 – wissenschaftliches Programm

Bereiche | Tage | Auswahl | Suche | Downloads | Hilfe

DY: Dynamik und Statistische Physik

DY 46: POSTER II

DY 46.70: Poster

Donnerstag, 30. März 2000, 15:00–18:00, D

Regression verrauschter Daten und Klassifikation mit kontinuierlichen Mehrschichtnetzwerken — •Michael Biehl, Martin Ahr und Robert Urbanczik — Institut für Theoretische Physik, Universität Würzburg, Am Hubland, 97074 Würzburg

In der praktischen Anwendung mehrschichtiger neuronaler Netzwerke mit differenzierbarer Ausgabe spielen zwei Klassen von nichtlernbaren Aufgaben eine wichtige Rolle: die Approximation verrauschter Beispieldaten (Regression) und die (z.B. binäre) Klassifikation von Eingaben. Mit Methoden der statistischen Physik kann der typische Lernerfolg eines Netzwerks im formalen thermischen Gleichgewicht berechnet werden. Die Anwendung des Replikaformalismus zeigt, daß die beiden Klassen von Lernproblemen bei geeigneter Wahl der Parameter äquivalent sind. Daraus ergibt sich unter anderem, daß die in der Praxis übliche Abbildung von Klassifikations– auf Regressionsaufgaben die Anzahl der benötigten Beispieldaten drastisch erhöht.