read_samples_class_mlpT_read_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp (Operator)
Name
read_samples_class_mlpT_read_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp — Lesen von Trainingsdaten eines mehrschichtigen Perzeptrons aus
Datei.
Signatur
Beschreibung
read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp liest Trainingsmuster aus der durch
FileNameFileNameFileNameFileNamefileNamefile_name gegebenen Datei aus und fügt sie zu den schon in
dem mehrschichtigen Perzeptron (MLP) MLPHandleMLPHandleMLPHandleMLPHandleMLPHandlemlphandle vorhandenen
Trainingsmustern hinzu. Das MLP muss zuvor mit
create_class_mlpcreate_class_mlpCreateClassMlpCreateClassMlpCreateClassMlpcreate_class_mlp erzeugt werden. Wie bei
train_class_mlptrain_class_mlpTrainClassMlpTrainClassMlpTrainClassMlptrain_class_mlp und write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp
beschrieben, können read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp,
add_sample_class_mlpadd_sample_class_mlpAddSampleClassMlpAddSampleClassMlpAddSampleClassMlpadd_sample_class_mlp und write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp
dazu verwendet werden, einen großen Datensatz von Trainingsmustern
aufzubauen, um somit die Leistung des MLP durch erneutes Trainieren
zu verbessern.
Es ist zu beachten, dass die Trainingsdaten die korrekte
Dimensionalität aufweisen. Die in FileNameFileNameFileNameFileNamefileNamefile_name gespeicherten
Merkmalsvektoren und Zielvektoren müssen die Längen
NumInput und NumOutput besitzen, die bei
create_class_mlpcreate_class_mlpCreateClassMlpCreateClassMlpCreateClassMlpcreate_class_mlp angegeben worden ist. Falls dies nicht der
Fall ist, wird eine Fehlermeldung zurückgegeben.
Ausführungsinformationen
- Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
- Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
- Wird ohne Parallelisierung verarbeitet.
Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:
Während der Ausführung dieses Operators muss der Zugriff auf den Wert dieses Parameters synchronisiert werden, wenn er über mehrere Threads hinweg verwendet wird.
Parameter
MLPHandleMLPHandleMLPHandleMLPHandleMLPHandlemlphandle (input_control, Zustand wird modifiziert) class_mlp → HClassMlp, HTupleHHandleHTupleHtuple (handle) (IntPtr) (HHandle) (handle)
Handle des MLP.
FileNameFileNameFileNameFileNamefileNamefile_name (input_control) filename.read → HTuplestrHTupleHtuple (string) (string) (HString) (char*)
Name der Datei.
Ergebnis
Sind die Parameterwerte korrekt, dann liefert
read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp den Wert TRUE. Gegebenenfalls wird
eine Fehlerbehandlung durchgeführt.
Vorgänger
create_class_mlpcreate_class_mlpCreateClassMlpCreateClassMlpCreateClassMlpcreate_class_mlp
Nachfolger
train_class_mlptrain_class_mlpTrainClassMlpTrainClassMlpTrainClassMlptrain_class_mlp
Alternativen
add_sample_class_mlpadd_sample_class_mlpAddSampleClassMlpAddSampleClassMlpAddSampleClassMlpadd_sample_class_mlp
Siehe auch
write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp,
clear_samples_class_mlpclear_samples_class_mlpClearSamplesClassMlpClearSamplesClassMlpClearSamplesClassMlpclear_samples_class_mlp
Modul
Foundation