| Operatoren |
evaluate_class_mlp — Berechnen der Bewertung eines Merkmalsvektors durch ein mehrschichtiges Perzeptron.
evaluate_class_mlp berechnet das Ergebnis Result der Evaluierung des Merkmalsvektors Features durch das mehrschichtige Perzeptron (MLP) MLPHandle. Die Berechnungsformeln sind bei create_class_mlp angegeben. Das MLP muss vor der Verwendung von evaluate_class_mlp mit train_class_mlp trainiert werden.
Falls das MLP zur Regression (Funktionsapproximation) verwendet wird (OutputFunction = 'linear'), ist Result der Funktionswert der Funktion an der Koordinate Features. Für OutputFunction = 'logistic' und 'softmax' können die Werte in Result als Wahrscheinlichkeiten interpretiert werden. Für OutputFunction = 'logistic' geben die Elemente von Result somit für jedes der unabhängigen Attribute die Wahrscheinlichkeit des Vorhandenseins des jeweiligen Attributes an. Typischerweise wird hier ein Schwellwert von 0.5 verwendet, um zu entscheiden, ob das Attribut vorhanden ist. Je nach Anwendung können aber auch andere Schwellwerte in Betracht kommen. Für OutputFunction = 'softmax' wird typischerweise die Position des Maximums von Result als die Klasse des Merkmalsvektors interpretiert und der zugehörige Wert als die Wahrscheinlichkeit der Klasse. In diesem Fall sollte statt evaluate_class_mlp classify_class_mlp verwendet werden, da classify_class_mlp direkt die Klasse und Wahrscheinlichkeit zurückliefert.
Handle des MLP.
Merkmalsvektor.
Ergebnis der Auswertung des Merkmalsvektors durch das MLP.
Sind die Parameterwerte korrekt, dann liefert evaluate_class_mlp den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.
train_class_mlp, read_class_mlp
Christopher M. Bishop: „Neural Networks for Pattern Recognition“;
Oxford University Press, Oxford; 1995.
Andrew Webb: „Statistical Pattern Recognition“; Arnold, London;
1999.
Foundation
| Operatoren |