EIN NACHTEIL OBIGER VERFAHREN

Die im Unterabschnitt 6.3.4 vorgestellte Linearkombination der für die drei Kriterien zuständigen Zielfunktionen scheint mit einem Nachteil behaftet: Ein faktorieller Code verursacht bei $\alpha > 0$ nicht-maximales $V$ und somit auch nicht-maximales $T$ (abgesehen von seltenen Fällen, wie z.B. bei $2^n$ gleich wahrscheinlichen unterschiedlichen Eingabemustern). Dies bedeutet, daß die relativen Gewichtungsparameter bei einem gegebenen Problem unter Umständen sorgfältig `getunt' werden müssen. Die elegante Methode des nächsten Abschnitts vermeidet diese Notwendigkeit sorgfältiger Parameterwahl, indem sie den Term für Varianzmaximierung durch einen prediktorbasierten Term für bedingte Varianzmaximierung ersetzt.

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