perzeptron_aufgaben
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
| Beide Seiten der vorigen RevisionVorhergehende ÜberarbeitungNächste Überarbeitung | Vorhergehende Überarbeitung | ||
| perzeptron_aufgaben [2025/02/09 11:28] – [Aufgabe] torsten.roehl | perzeptron_aufgaben [2025/02/09 12:12] (aktuell) – torsten.roehl | ||
|---|---|---|---|
| Zeile 1: | Zeile 1: | ||
| ====== Perzeptron Aufgaben ====== | ====== Perzeptron Aufgaben ====== | ||
| - | + | ===== Aufgabe: Klassifikation | |
| + | Einfache (klassische) Perzeptron-Probleme wie das UND/ODER und das XOR-Problem werden im Abschnitt Lernalgorithmus behandelt ([[lernalgorithmus|siehe dort]]). | ||
| ===== Aufgabe: Klassifikation von Iris setosa ===== | ===== Aufgabe: Klassifikation von Iris setosa ===== | ||
| Zeile 43: | Zeile 43: | ||
| ==== Aufgabe ==== | ==== Aufgabe ==== | ||
| - | {{ :pnn.png?400 |}} | + | ^ **Topologie des Netzwerks** |
| + | |{{ :inf: | ||
| + | |Ein Perzeptron mit vier Eingangsneuronen (insgesamt fünf Gewichten) und einem Ausgangsneuron für die Klassifizierung der Art. | | ||
| - **Laden Sie den Datensatz** und bereiten Sie die Daten für das Training vor. | - **Laden Sie den Datensatz** und bereiten Sie die Daten für das Training vor. | ||
| - **Teilen Sie den Datensatz** in **80% Trainingsdaten** und **20% Testdaten**. | - **Teilen Sie den Datensatz** in **80% Trainingsdaten** und **20% Testdaten**. | ||
| Zeile 98: | Zeile 100: | ||
| * Zeigen Sie, dass dies **äquivalent zu einer Geradengleichung** der Form \( y = mx + b \) ist, und zeichnen Sie die Gerade in das Diagramm ein. | * Zeigen Sie, dass dies **äquivalent zu einer Geradengleichung** der Form \( y = mx + b \) ist, und zeichnen Sie die Gerade in das Diagramm ein. | ||
| + | * Wiederholen Sie das Lernen und vergleichen Sie die Diagramme. | ||
| Diskutieren Sie das Ergebnis. | Diskutieren Sie das Ergebnis. | ||
perzeptron_aufgaben.1739100500.txt.gz · Zuletzt geändert: von torsten.roehl