next up previous contents
Nächste Seite: Varianten der Dekodierprobleme Aufwärts: XOR-Varianten Vorherige Seite: XOR-Varianten   Inhalt

Woher können Instabilitäten kommen?

Was ist die Quelle möglicher Instabilitäten? Wie zu erwarten, ergaben experimentelle Beobachtungen, daß miteinander im Wettbewerb stehende Knoten einer WTA-Einheit zu einem gegebenen Zeitpunkt oft sehr ähnliche Netzeingaben hatten. Das wiederum kann man auf eine Eigenschaft der neuronalen Eimerkette zurückführen: Das Gewicht einer Verbindung, die zu einem den Wettbewerb verlierenden Knoten führt, ändert sich nicht. Man betrachte einen Knoten $j$, welcher nicht an einer die korrekte Klassifikation eines Musters $A$ (mit)verursachenden Eimerkette teilnimmt. Auf $j$ führende Verbindungen ändern sich nicht. Werden sie jedoch während einer in ähnlichem Kontext stattfindenden korrekten Klassifikation eines Musters $B$ leicht erhöht, so mag das auch bei der nächsten Präsentierung von $A$ zu einer Gewinnersituation für $j$ führen. Daraus wiederum mag eine inkorrekte Klassifikation von $A$ resultieren. Das Zusammenspiel solcher Effekte stellt eine potentielle Quelle von Instabilitäten dar.

Es wurden auch Experimente für den Fall durchgeführt, daß die Eingabemuster für aufeinanderfolgende Trainingszyklen nicht aufgrund zufälliger Auswahl, sondern in periodischer sequentieller Ordnung angeboten werden. Dabei stieg die durchschnittliche Zeitdauer bis zum Auffinden sowohl unstabiler als auch stabiler Lösungen an. Dies suggeriert einen stabilisierenden Effekt des Zufallselements bei der Musterauswahl.

Es gibt mindestens zwei Möglichkeiten, anfänglichen Instabilitäten während der Lernphase entgegenzutreten. Von der wohl einfachsten Möglichkeit wurde bereits bei den obigen Experimenten mit Erfolg Gebrauch gemacht: Man wartet einfach, bis die Fluktuationen zurückgehen, und sich das System stabilisiert. Die zweite Möglichkeit ist: Man wartet bei einer gegebenen Aufgabe auf das erste Auftreten einer Lösung, und fixiert dann alle Gewichte.


next up previous contents
Nächste Seite: Varianten der Dekodierprobleme Aufwärts: XOR-Varianten Vorherige Seite: XOR-Varianten   Inhalt
Juergen Schmidhuber 2003-02-20


Related links in English: Recurrent neural networks - Subgoal learning - Reinforcement learning and POMDPs - Reinforcement learning economies - Selective attention
Deutsche Heimseite