Zu dieser Karteikarte gibt es einen kompletten Satz an Karteikarten. Kostenlos!
139
Wie funktionieren künstliche neuronale Netzwerke?
Unterschied zu bisherigen linearen Regressionsmodellen: Zwischenschicht ("Neuronen"), die den Zusammenhang zw. Prädiktor und Kriterium vermittelt
P1/P2/P3 - - - - N1/N2 - - - - K
Anzahl der „Neurone“: frei wählbar.
Neurone lernen durch Variation der Gewichtung der Pfade, welcher Faktor optimal das Kriterium vorhersagt
= schrittweise Verstärkung der „besseren“ Pfade und Abschwächung der „schwächeren“ Pfade
= Modelloptimierung bis vorgesagte Kriteriumswerte gut zu den tatsächlichen passen.
P1/P2/P3 - - - - N1/N2 - - - - K
Anzahl der „Neurone“: frei wählbar.
Neurone lernen durch Variation der Gewichtung der Pfade, welcher Faktor optimal das Kriterium vorhersagt
= schrittweise Verstärkung der „besseren“ Pfade und Abschwächung der „schwächeren“ Pfade
= Modelloptimierung bis vorgesagte Kriteriumswerte gut zu den tatsächlichen passen.
Tags: 5.2 Diagnostisches Urteil
Quelle:
Quelle:
Karteninfo:
Autor: Debora
Oberthema: Psychologie
Thema: Diagnostik
Schule / Uni: JLU
Ort: Gießen
Veröffentlicht: 16.10.2013