Zusammenfassung
Im vorliegenden Beitrag werden die Klassifikationsleistung und die Lernfähigkeit bei einfachen Netzwerkmodellen, den mehrschichtigen PerzeptronNetzen mit dem Backpropagation-Algorithmus als Lernverfahren, betrachtet. Es wird untersucht, wie sich Modifikationen der Eingangsdaten, des Lernverfahrens und der Netztopologie auf das Konvergenzverhalten beim Einlernen und auf die erreichte Fehlerrate auswirken. Vergleiche zu einem Nächsten-Nachbar-Klassifikator bezüglich Klassifikationsleistung und Rechenaufwand werden durchgeführt. Den praktischen Hintergrund bilden Applikationen aus dem Bereich der automatischen Sichtprüfung, speziell die Klassifikation von Oberflächendefekten.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Baba, N. (1989). A new approach for finding the global minimum of error function of neural networks. Neural Networks. vol.2 367–373
Bauer, N., Schramm, U. (1990). Automatisches Erkennen von Fehlern auf Oberflächen oder in Bohrungen mit dem System ZMEX. Technica Nr.20.
Braun, W. (1991). Klassifikation von Oberflächenfehlern mit mehrschichtigen neuronalen Netzen. Diplomarbeit Univ. Erlangen, Lehrstuhl Technische Elektronik.
Hoch, M. (1990). Untersuchung eines neuronalen Netzes als Pixelklassifikator zur optischen Qualitätskontrolle. Studienarbeit Univ. Erlangen, Lehrstuhl Technische Elektronik.
Jacobs, R.A. (1988). Increased rates of convergence through learning rate adaption. Neural Networks. vol.1 295–307.
Kesper, O. (1990). Texturbeschreibende Merkmale zur Detektion von Fehlstellen in
Gußteilen. Studienarbeit Univ. Erlangen, Lehrstuhl Technische Elektronik. Rumelhart,D.E., McClelland,J.L. (1986). Parallel distributed processing: exploration in the microstructure of cognition MIT Press.
Schramm, U., Schramm, H. (1990). Automatische Sichtprüfung von Oberflächen mit neuronalen Netzen. In R.E.Großkopf (Ed.) Mustererkennung 1990 Informatik Fachberichte 254, 114–121.
Schramm, U. (1991). Multilayered perceptrons as classifiers for automatic inspection. (erscheint in Proc. SafeProcess’91 Baden-Baden Sept.1991).
Straub, B. (1986). Lernendes Verfahren zur Segmentierung industrieller Szenen. In G. Hartmann (Ed.) Mustererkennung 1986 Informatik Fachberichte 125, 24–28.
Wieland., A., Leighton, R. (1987). Geometric Analysis of neural network capabilities. IEEE First Int. Conference on Neural Networks. vol.3 385–392.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Schramm, U., Braun, W. (1991). Konfigurieren und Trainieren von mehrschichtigen Perzeptron-Netzen. In: Radig, B. (eds) Mustererkennung 1991. Informatik-Fachberichte, vol 290. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-08896-8_55
Download citation
DOI: https://doi.org/10.1007/978-3-662-08896-8_55
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54597-2
Online ISBN: 978-3-662-08896-8
eBook Packages: Springer Book Archive