PERFORMANZMASS

Wie stets beim überwachten Lernen wollen wir $E^{total}(n_rn_s)$ minimieren, wobei

$$E^{total}(t) = \sum_{\tau = 1}^{t} E(\tau),~~mit~ E(t) = \frac{1}{2} \sum_k (eval_k(t+1))^2.$$

Der folgende Algorithmus zur Minimierung von $E^{total}$ ist teilweise inspiriert durch die `konventionellen' Lernalgorithmen für rekurrente Netze aus Kapitel 2 sowie durch den Algorithmus für das die Gewichte eines zweiten Netzes manipulierende nicht `selbstreferentielle' Netz aus Kapitel 3. Seine Komplexität übertrifft allerdings die Komplexität der bisher behandelten Algorithmen.

Related links in English: Recurrent networks - Fast weights - Subgoal learning - Reinforcement learning and POMDPs - Unsupervised learning and ICA - Metalearning and learning to learn
Deutsche Heimseite