A training system for a classifier utilizes both a back-propagation system
to iteratively modify parameters of functions which provide raw output
indications of desired categories, wherein the parameters are modified
based on a weighted decay, and a probability determining system with
further parameters that are determined during iterative training. A margin
error metric may be combined with weight decay, and a sigmoid is used to
calibrate the raw outputs to probability percentages for each category. A
method of training such a system involves gathering a training set of
inputs and desired corresponding outputs. Classifier parameters are then
initialized and an error margin is calculated with respect to the
classifier parameters. A weight decay is then used to adjust the
parameters. After a selected number of times through the training set, the
parameters are deemed in final form, and an optimization routine is used
to derive a set of probability transducer parameters for use in
calculating the probable classification for each input.
Un sistema di addestramento per un classificatore utilizza sia un sistema di indietro-propagazione per modificare iteratamente i parametri delle funzioni che forniscono le indicazioni del prodotto grezzo delle categorie volute, in cui i parametri sono modificati ha basato su un deperimento appesantito che su una probabilità che determina il sistema con ulteriori parametri che sono determinati durante l'addestramento iterativo. Un errore del margine metrico può essere unito con deperimento del peso e un sigmoideo è usato per calibrare i prodotti grezzi alle percentuali di probabilità per ogni categoria. Un metodo di addestramento deun tal sistema coinvolge riunire un insieme di addestramento degli input e delle uscite corrispondenti volute. I parametri di classificatore allora sono inizializzati e un margine di errore è calcolato riguardo ai parametri di classificatore. Un deperimento del peso allora è usato per registrare i parametri. Dopo che un numero di volte selezionato attraverso l'insieme di addestramento, i parametri sia ritenuto nella forma finale e una procedura di ottimizzazione sia usata per derivare un insieme dei parametri del trasduttore di probabilità per uso nella calcolazione della classificazione probabile per ogni input.
