write_samples_class_mlpT_write_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp (Operator)

Name

write_samples_class_mlpT_write_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp — Abspeichern der Trainingsdaten eines mehrschichtigen Perzeptrons in Datei.

Signatur

write_samples_class_mlp( : : MLPHandle, FileName : )

Herror T_write_samples_class_mlp(const Htuple MLPHandle, const Htuple FileName)

void WriteSamplesClassMlp(const HTuple& MLPHandle, const HTuple& FileName)

void HClassMlp::WriteSamplesClassMlp(const HString& FileName) const

void HClassMlp::WriteSamplesClassMlp(const char* FileName) const

void HClassMlp::WriteSamplesClassMlp(const wchar_t* FileName) const   (Nur Windows)

static void HOperatorSet.WriteSamplesClassMlp(HTuple MLPHandle, HTuple fileName)

void HClassMlp.WriteSamplesClassMlp(string fileName)

def write_samples_class_mlp(mlphandle: HHandle, file_name: str) -> None

Beschreibung

write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp speichert die in dem mehrschichtigen Perzeptron (MLP) MLPHandleMLPHandleMLPHandleMLPHandleMLPHandlemlphandle abgespeicherten Trainingsmuster in der Datei FileNameFileNameFileNameFileNamefileNamefile_name ab. write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp kann dazu verwendet werden, eine Datenbank mit Trainingsmustern aufzubauen, und somit durch erneutes Trainieren mit einer erweiterten Datenbank die Leistung des MLP zu verbessern (siehe train_class_mlptrain_class_mlpTrainClassMlpTrainClassMlpTrainClassMlptrain_class_mlp). Für weitere mögliche Verwendungen von write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp siehe get_prep_info_class_mlpget_prep_info_class_mlpGetPrepInfoClassMlpGetPrepInfoClassMlpGetPrepInfoClassMlpget_prep_info_class_mlp.

Die Datei FileNameFileNameFileNameFileNamefileNamefile_name wird von write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp überschrieben. Eine Erweiterung der Datenbank der Trainingsmuster ist aber einfach möglich, da read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp und add_sample_class_mlpadd_sample_class_mlpAddSampleClassMlpAddSampleClassMlpAddSampleClassMlpadd_sample_class_mlp die Trainingsmuster zu den bereits im Speicher des MLP gehaltenen Trainingsmustern hinzufügen.

Ausführungsinformationen

Parameter

MLPHandleMLPHandleMLPHandleMLPHandleMLPHandlemlphandle (input_control)  class_mlp HClassMlp, HTupleHHandleHTupleHtuple (handle) (IntPtr) (HHandle) (handle)

Handle des MLP.

FileNameFileNameFileNameFileNamefileNamefile_name (input_control)  filename.write HTuplestrHTupleHtuple (string) (string) (HString) (char*)

Name der Datei.

Ergebnis

Sind die Parameterwerte korrekt, dann liefert write_samples_class_mlpwrite_samples_class_mlpWriteSamplesClassMlpWriteSamplesClassMlpWriteSamplesClassMlpwrite_samples_class_mlp den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Vorgänger

add_sample_class_mlpadd_sample_class_mlpAddSampleClassMlpAddSampleClassMlpAddSampleClassMlpadd_sample_class_mlp

Nachfolger

clear_samples_class_mlpclear_samples_class_mlpClearSamplesClassMlpClearSamplesClassMlpClearSamplesClassMlpclear_samples_class_mlp

Siehe auch

create_class_mlpcreate_class_mlpCreateClassMlpCreateClassMlpCreateClassMlpcreate_class_mlp, get_prep_info_class_mlpget_prep_info_class_mlpGetPrepInfoClassMlpGetPrepInfoClassMlpGetPrepInfoClassMlpget_prep_info_class_mlp, read_samples_class_mlpread_samples_class_mlpReadSamplesClassMlpReadSamplesClassMlpReadSamplesClassMlpread_samples_class_mlp

Modul

Foundation