Umgebung ('environment') E: Die Umgebung soll hier aus zwei Informationsquellen und bestehen, die jeweils Informationen in Form von Mustern ('pattern') der Art generieren. Die Elemente von sind typische Ereignismuster aus der Umgebung und die Elemente aus stellen erwartete Reaktionen (:= SOLL) bei bestimmten Inputereignissen dar.
Wie das Bild 6.5 zeigt, beschreiben die ersten 3 Elemente des Inputvektors einen Punkt in einem einfachen 3D-Raum, während das vierte Element anzeigt, ob der Punkt aktiv ist oder nicht. Insgesamt sind verschiedene Inputmuster möglich. Diese wurden in zwei Teilmengen aufgeteilt: in die Menge zum Trainieren/ Lernen und in die Menge zum Testen. Ferner gibt es noch die Menge als erwartete Ausgabewerte (:= SOLL) für die Inputelemente aus beim Training und die Menge als erwartete Ausgabeelemente beim Testen:
INP =
0. 0. 0. 1.
1. 0. 0. 1.
0. 1. 0. 0.
1. 1. 0. 0.
0. 0. 1. 1.
0. 1. 1. 1.
1. 0. 1. 0.
1. 1. 1. 0.
TR =
0. 1.
0. 1.
0. 0.
0. 0.
1. 1.
1. 1.
1. 0.
1. 0.
TST-INP =
0. 0. 0. 0.
1. 0. 0. 0.
0. 1. 0. 1.
1. 1. 0. 1.
0. 0. 1. 0.
0. 1. 1. 0.
1. 0. 1. 1.
1. 1. 1. 1.
TST-RESP =
0 0.
0. 0
0. 1.
0. 1.
1. 0.
1. 0.
1. 1.
1. 1
Lernaufgabe T: Die zu lernende Aufgabe besteht dann in einer Menge von Musterzuordnungen der Art , die das System lernen soll, d.h. die Gewichtsmatrix , die zu Beginn nur Nullen besitzt, soll durch das Training so verändert werden, daß alle gewünschten Eingabewerte mit den richtigen Ausgabewerten verknüpft werden.
Lernerfolg: Das System S hat 'richtig' gelernt hat, wenn es bei Auftreten eines Stimulus ein zugehöriges SOLL-Element ('response') ausgeben ('erinnern', 'recall') kann.
Gerd Doeben-Henisch 2013-01-17