Zusammenfassung
Ein Freiheitsgrad, auf dessen falsche Wahl die Performance des Netzes vor allem bei kleinen Stichproben empfindlich reagiert, ist die Zahl der verborgenen Neuronen. Dies wurde bereits in den Kapiteln 5.4.1 und 6.3.1 demonstriert. Wird das Netz überparametrisiert, besteht die Gefahr von Overfitting und damit einer schlechten Generalisierungsfàhigkeit. Stehen dem Netz zu wenig Gewichte im Trainingsprozess zur Verfügung, dann wird dies tendenziell zu großen Abweichungen zwischen dem wahren funktionalen Zusammenhang und dem geschätzten Zusammenhang führen und damit ebenfalls zu einer schlechten Prognose (vgl. Abbildung 7-1).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 2005 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Walde, J.F. (2005). Optimale Anzahl der verborgenen Neuronen. In: Design Künstlicher Neuronaler Netze. Wirtschaftswissenschaft. Deutscher Universitätsverlag, Wiesbaden. https://doi.org/10.1007/978-3-322-81211-7_7
Download citation
DOI: https://doi.org/10.1007/978-3-322-81211-7_7
Publisher Name: Deutscher Universitätsverlag, Wiesbaden
Print ISBN: 978-3-8244-0842-9
Online ISBN: 978-3-322-81211-7
eBook Packages: Life Science and Basic Disciplines (German Language)