1. Trainingsphase

    Nach dem Öffnen der App verändern Sie zunächst nichts an den vorgegebenen Einstellungen. Das Netzwerk, wie es rechts abgebildet ist, befindet sich bereits am Ende der Trainingsphase, in der die Inputmuster aus der Tabelle unten links 100 Mal bei einem Startgewicht von 0 und einer Lernrate von 0.02 präsentiert wurden. Um die Gewichtsveränderung während der Trainingsphase zu beobachten, setzen Sie einen Haken in das Kästchen „Trainingsphase animieren“ und betätigen den Playbutton am Ende des erscheinenden Sliders.

  2. Testphase und Klassifikation

    Überprüfen Sie nun, was das Netzwerk gelernt hat. Dazu merken Sie sich das erste Inputmuster aus der Tabelle und klicken dann auf den Tab „Testphase“. Dort erscheint eine Tabellenzeile, in der Sie das Muster (ohne die zugehörige Klasse) eingeben können. Entspricht die Klassifikation des Netzwerks der anfänglichen Vorgabe? Dies können Sie auch für die anderen drei Schmetterlinge ausprobieren.

  3. Generalisierung auf unbekannte Inputs

    Das Netzwerk kann auch Schmetterlinge, die es noch nicht kennt, aufgrund ihrer Ähnlichkeit zu anderen Schmetterlingen einer Klasse zuordnen. Geben Sie ein Testmuster ein, welches nicht in der Trainingsphase zu sehen war. Zum Beispiel können Sie die Kästchen „bunt“ und „langbeinig“ aktivieren. Überlegen Sie vorher, welcher Klasse der Schmetterling wohl zugeordnet werden wird.

  4. Parameter der Trainingsphase

    Nun können Sie herausfinden, was außer den Inputmustern noch die Trainingsphase beeinflusst. Kehren Sie zurück in den Tab „Trainingsphase“ und wählen Sie wieder die ursprünglichen Inputmuster. Erledigen Sie dies mit einem Klick auf den Button „Inputmuster zurücksetzen“. Über der Tabelle sehen Sie die Slider „Anzahl der Trainingsdurchgänge“, „Lernrate“ und „Startgewicht“. Variieren Sie nacheinander die entsprechenden Parameterwerte und beobachten Sie ihre Auswirkung auf die Verbindungsgewichte und Outputaktivierungen. Testen Sie zudem, ob das Netzwerk weiterhin korrekt klassifiziert. Mit welchem Slider können Sie dafür sorgen, dass das Netzwerk seine Klassifikationsfähigkeit verliert?

  5. Das XOR-Problem

    Ob das Netzwerk wohl alle beliebigen Inputmuster lernen kann? Kehren Sie zurück in den Tab „Trainingsphase“ und klicken Sie auf den Button „Input mit XOR-Problem“. Alternativ können Sie auch selbst versuchen, eine Zusammenstellung von Schmetterlingen zu kreieren, die Sie für problematisch halten. Das Netzwerk wird nun mit diesen neuen Schmetterlingen trainiert. Merken Sie sich die Inputmuster und geben Sie sie nacheinander in die Tabelle im Tab „Testphase“ ein. Werden alle Schmetterlinge richtig klassifiziert? Wieso kann es zu Fehlern kommen?

  6. Unbegrenztes Wachstum der Gewichte

    Das XOR-Problem ist nicht die einzige Schwäche dieses einfach gestalteten Netzwerks. Stellen Sie auf allen Slidern den maximalen Wert ein und setzen Sie in der Tabelle der Inputmuster in jedes Feld ein Häkchen. Beobachten Sie, wie sich die Verbindungsgewichte verändern. Warum könnte diese Entwicklung ein Problem darstellen?