Die Cascade-Correlation Lernarchitektur

Zusammenfassung: "Cascade-Correlation ist eine neue Architektur und ein überwachter Lernalgorithmus für künstliche neuronale Netzwerke. Anstatt nur die Gewichte in einem Netzwerk mit fester Topologie anzupassen, beginnt Cascade-Correlation mit einem minimalen Netzwerk, trainiert anschließend automatisch und fügt neue versteckte Einheiten nacheinander hinzu, wodurch eine mehrschichtige Struktur entsteht. Sobald eine neue versteckte Einheit dem Netzwerk hinzugefügt wurde, werden ihre eingangsseitigen Gewichte eingefroren. Diese Einheit wird dann zu einem dauerhaften Merkmalsdetektor im Netzwerk, der zur Ausgabeerzeugung oder zur Erstellung anderer, komplexerer Merkmalsdetektoren verfügbar ist. Die Cascade-Correlation-Architektur hat gegenüber bestehenden Algorithmen mehrere Vorteile: Sie lernt sehr schnell, das Netzwerk bestimmt seine eigene Größe und Topologie, es behält die aufgebauten Strukturen selbst bei Änderungen des Trainingssatzes bei und es benötigt keine Rückpropagierung von Fehlersignalen durch die Verbindungen des Netzwerks."