Delta-Regel

Definition - Was bedeutet Delta-Regel?

Die Delta-Regel in Umgebungen mit maschinellem Lernen und neuronalen Netzwerken ist eine spezielle Art der Rückausbreitung, die dazu beiträgt, verbindungsorientierte ML / AI-Netzwerke zu verfeinern und Verbindungen zwischen Ein- und Ausgängen mit Schichten künstlicher Neuronen herzustellen.

Die Delta-Regel wird auch als Delta-Lernregel bezeichnet.

Technische.me erklärt Delta Rule

Im Allgemeinen hat die Rückausbreitung mit der Neuberechnung der Eingabegewichte für künstliche Neuronen unter Verwendung einer Gradientenmethode zu tun. Delta Learning verwendet dazu den Unterschied zwischen einer Zielaktivierung und einer tatsächlich erhaltenen Aktivierung. Mit einer linearen Aktivierungsfunktion werden Netzwerkverbindungen angepasst.

Eine andere Möglichkeit, die Delta-Regel zu erklären, besteht darin, dass sie eine Fehlerfunktion verwendet, um ein Gradientenabstiegslernen durchzuführen.

Ein Tutorial zur Delta-Regel erklärt, dass die Technologie im Wesentlichen beim Vergleich einer tatsächlichen Ausgabe mit einer Zielausgabe versucht, eine Übereinstimmung zu finden. Wenn keine Übereinstimmung vorliegt, nimmt das Programm Änderungen vor. Die tatsächliche Implementierung der Delta-Regel wird je nach Netzwerk und seiner Zusammensetzung variieren. Durch die Verwendung einer linearen Aktivierungsfunktion kann die Delta-Regel jedoch nützlich sein, um einige Arten von neuronalen Netzwerksystemen mit bestimmten Arten der Rückausbreitung zu verfeinern.