Wird die Checkbox "Gewissensmechanismus" eingeschaltet, so wird
das Gewinnerneuron anders bestimmt. Bei der Ermittlung des Gewinnerneurons
werden alle Neuronen mit dem Eingabevektor verglichen. Dazu wird der euklidische
Abstand zum Eingabevektor ermittelt. Dieser Abstand wird nun mit dem Gewissen
multipliziert. Das Neuron dessen Produkt am kleinsten ist, wird Gewinnerneuron.
Neuronen die Häufig Gewinner sind, werden somit seltener Gewinner.
Auf diese Weise entstehen keine "Dead Neurons".
Der Faktor "Gewissen" kann mit Y verstellt werden. Der maximale
Betrag aller Eingabevektoren entspricht Y = 100%.
Mit der Checkbox Zufall wird der Faktor Gewissen bei
jeder Multiplikation mit den Abständen in zufälliger Größe
bestimmt. Der Zufallswert wird mit random(Y) bestimmt.
Die Dauer vom Gewissensmechanismus kann mit dem Scrollbar eingestellt
werden. Die Dauer vom Gewissensmechanismus bezieht sich auf die Anzahl
der Epochen.
Beim Training des LVQ's werden während einer Iteration alle Neuronen
mit einem Eingabevektor
verglichen. Das Neuron mit dem geringsten euklidischen Abstand zum
Eingabevektor ist das Gewinnerneuron. Ist die festgelegte Klasse des Neurons
identisch mit der Klasse des Eingabevektors dann wird das Neuron zum Eingabevektor
"hingezogen", andernfalls wird das Neuron vom Eingabevektor "weggestoßen".
Mit der Checkbox "Anziehen und Abstoßen" kann dieser Effekt
unterbunden werden. Wird die Checkbox deaktiviert, dann werden die Neuronen
immer zum Eingabevektor "hingezogen". Mit dem Scrollbar kann die Dauer
dieses Effektes gesteuert werden. Die Dauer "Nur Anziehen" und "mit
Abstoßen" beziehen sich auf die Anzahl der Epochen.
LVQ1, LVQ2, OLVQ sind verschiedene Funktionen für die Reduzierung
der Lernschrittweite, mit dem Faktor X kann die Funktion nochmals beeinflust
werden. Den Verlauf der Funktionen für die Lernschrittweite kann man
bei der Trainingsgrafik verfolgen.
4.1 Die Bildqualität
Alle Einstellungen haben einen Einfluß auf die Bildauswertung.
Mit der Bildqualität wird die Qualität der Bitmap bestimmt, die
auf dem Bildschirm erscheint. Wählen kann man zwischen hoch, mittel
und niedrig. Bei der Qualität "hoch" werden alle Pixelpunkte (200x200
Werte) durch die Gewichtsmatrix berechnet (klassifiziert). Das kann sehr
lange dauern, wenn die Gewichtsmatrix aus vielen Neuronen besteht. Mit
der "niedrigen" Auflösung werden nur 50x50 Pixelpunkte berechnet.
Je nach leistungsfähigkeit des Rechners kann man sich die Entwicklung
eines Klassifikationsbildes während des Trainings ansehen.
4.2 Zeige Quellpixel
(Quellpixel sind Eingabevektoren mit zwei ganzahligen Merkmalen im
Wertebereich 0..199.)
Hier kann ich die Eingabevektoren der Quelldatei in die Bildauswertung
einblenden lassen. Die Eingabevektoren können mit verschiedenen Funktionen
eingeblendet (verknüpft) werden (And,Or,Xor). Ist an der Position
x,y ein Eingabevektor definiert (aus der Quelldatei), dann wird das berechnete
Klassifikationsbild mit dem Wert "Farbe" verknüpft. Die Größe
eines "Eingabevektor-Pixels" kann auch angegeben werden. Dies ist sehr
nützlich, wenn nur wenige Eingabevektoren im Merkmalsraum definiert
sind.
4.3 Zeige Neuronen als Pixel
Hier kann ich die Neuronen (Gewichtsvektoren) als Pixel in die Bildauswertung
einblenden lassen. Die Neouronen-Pixel können mit verschiedenen Funktionen
eingeblendet (verknüpft) werden (And,Or,Xor). Ist an der Position
x,y ein Neuron definiert (aus der Gewichtsmatrix), dann wird das berechnete
Bild mit dem Wert "Farbe" verknüpft. Die Größe eines Neuronen-Pixels
kann auch angegeben werden. Dies ist sehr nützlich, da meist wenige
Neuronen definiert sind.
4.4 Animation
Mit der Animation ist es Möglich die Entwicklung eines Bildes
zu verfolgen. Außerdem kann eine bestimmte Anzahl von Bildern als
8bit Bitmap gespeichert werden. Falls die Timer für SomGrafik bzw.
Bildauswertung eingeschaltet sind, wird die eingestellte Zeit als Pause
zwischen den Darstellungen verwendet.