Wird die Checkbox "Trennung von Test und Trainingsdaten" aktiviert (linkes
Bild), so werden die Eingabevektoren in Testdaten und Trainingsdaten geteilt.
Mit dem Scrollbar kann das Verhältnis zwischen Testdaten und Trainingsdaten
verstellt werden. Ist die Checkbox deaktiviert so werden die Quelldaten
für das Taining sowie für's Testen verwendet.
!Bei der Trennung der Daten sollten
die Quelldaten in zufälliger Reihenfolge in der Quelldatei stehen.
Beim Training einer SOM-Karte werden während einer Iteration alle
Neuronen mit einem Eingabevektor
verglichen. Das Neuron mit dem geringsten Euklidischen Abstand zum
Eingabevektor ist das Gewinnerneuron. Dieses Gewinnerneuron wird verändert
und auch die Nachbarn dieses Neurons. Jedoch nur bis zu einem gewissen
Abstand (Radius). Die Nachbarn des Neurons werden auch mit einem
geringeren Faktor (Eta Rest) verändert. Der Radius wird während
der Lernphase immer kleiner bis nur noch das Gewinnerneuron verändert
wird. Wenn nur noch das Gewinnerneuron verändert wird, dann ist die
Grobordnungsphase beendet.
2.1 Grobordnungsphase
Mit dem Scrollbar "Grobordnungsphase" kann die Dauer der Grobordnungsphase
verstellt werden. Die Grobordnungsphase ist in Prozent zur Iterationsdauer
angegeben.
2.2 Checkbox Rechteck
Das Gewinnerneuron ist mit 0.0
in der Mitte zu finden. Würde der Radius beispielsweise momentan 2.0
betragen würden alle Neuronen mit Abstand 2.0
und kleiner bei der Veränderung beeinflusst werden. Wird die Checkbox
Rechteck aktiviert, so werden die Neuronen mit dem Abstand 2.8 und 2.2
auch mit beeinflusst.
2.8 | 2.2 | 2.0 | 2.2 | 2.8
----+-----+-----+-----+----
2.2 | 1.4 | 1.0
| 1.4 | 2.2
----+-----+-----+-----+----
2.0 | 1.0
| 0.0 | 1.0 |
2.0
----+-----+-----+-----+----
2.2 | 1.4 | 1.0
| 1.4 | 2.2
----+-----+-----+-----+----
2.8 | 2.2 | 2.0 | 2.2 | 2.8
2.3 Eta- Funktionen
Eta1 bis Eta3 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.
2.4 Der Radius
Ein Beispiel. Die Som-Karte hat eine Ausdehnung von 5 x 6 Neuronen.
Der maximal Euklidische Abstand zwischen zwei Neuronen der Karte würde
sqrt(5 ² + 6 ²) = 7.8 würde der Radius nun 0.6 sein, dann
würden alle Neuronen mit einem Abstand von (7.8 * 0.6) = 4.7 mit verändert
werden.
2.5 EtaRest
Mit diesem Faktor werden alle gültigen Nachbarneuronen verändert.
Ein Beispiel EtaRest := 0.6;
Wird das Gewinnerneuron mit der Lernschrittweite 0.5 verändert,
so werden die Nachbarneuronen nur mit (0.5 * 0.6)= 0.3 verändert.
2.6 Tips
Die Ergebnisse des SOM-Algorithmuses reagieren sehr empfindlich auf
die EtaFunktion und deren X sowie auf den Radius. Sind die Werte zu groß
oder zu klein, kann es passieren, daß sich die Karte nicht entfaltet
oder die Karte sich überkreuzt.
4.1 Die Bildqualität
Alle Einstellungen haben einen Einfluss auf die Bildauswertung.
Mit der Bildqualität wird die Qualität der Bitmap bestimmt. Wählen
kann man zwischen hoch, mittel, niedrig, ebenen. Bei der Qualität
"hoch" und "ebenen" 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 Bildes während des Trainings ansehen.
Mit der Option "ebenen" können die verschiedenen Merkmale als Bild
und als SomGrafik dargestellt werden. Bsp. eine 3D Abbildung hat die Koordinaten
Xk(1),Yk(2),Zk(3) (3 Merkmale), wenn ich die SomGrafik darstelle sehe ich
nur 2D-Bilder, dazu nehme ich die beiden ersten Merkmale zur Bilddarstellung
(Xk und Yk und Zk=0 das währe X=Xk=1 und Y=Yk=2), durch die Ebenendarstellung
kann ich nun z.B. X=Zk=3 und Y=Yk=2 setzen. Damit würde eine Seitenansicht
erhalten.
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
Bild 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.
