{ "http://en.wikipedia.org/wiki/Rprop" : { "http://xmlns.com/foaf/0.1/primaryTopic" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/History_of_artificial_neural_networks" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Encog" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Rprop" : { "http://www.w3.org/1999/02/22-rdf-syntax-ns#type" : [ { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Algorithm105847438" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Procedure101023820" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Communication100033020" } , { "type" : "uri", "value" : "http://www.w3.org/2002/07/owl#Thing" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Description106724763" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Act100030358" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Rule105846932" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Statement106722453" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/WikicatAlgorithms" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Message106598915" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/PsychologicalFeature100023100" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Activity100407535" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/NeuralNetwork106725467" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Event100029378" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/WikicatArtificialNeuralNetworks" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Specification106725067" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/ComputerArchitecture106725249" } , { "type" : "uri", "value" : "http://dbpedia.org/class/yago/Abstraction100002137" } ] , "http://www.w3.org/2000/01/rdf-schema#label" : [ { "type" : "literal", "value" : "Rprop" , "lang" : "en" } , { "type" : "literal", "value" : "Resilient Propagation" , "lang" : "de" } ] , "http://www.w3.org/2000/01/rdf-schema#comment" : [ { "type" : "literal", "value" : "Rprop, short for resilient backpropagation, is a learning heuristic for supervised learning in feedforward artificial neural networks. This is a first-order optimization algorithm. This algorithm was created by Martin Riedmiller and Heinrich Braun in 1992. RPROP is a . Next to the and the Levenberg\u2013Marquardt algorithm, Rprop is one of the fastest weight update mechanisms." , "lang" : "en" } , { "type" : "literal", "value" : "Resilient Backpropagation (Rprop) bzw. elastische Fortpflanzung ist ein iteratives Verfahren zur Bestimmung des Minimums der Fehlerfunktion in einem neuronalen Netz. Der Algorithmus wird manchmal der Gruppe Lernverfahren zweiter Ordnung zugerechnet, da in die Bestimmung der aktuellen Gewichts\u00E4nderung die letzte Gewichts\u00E4nderung mit einbezogen wird. Das Gewicht wird hierbei nur nach dem Vorzeichen des Gradienten ge\u00E4ndert. Mit einem gewichtsindividuellen Parameter wird die Schrittweite bestimmt.Die Gewichts\u00E4nderung wird in zwei Schritten durchgef\u00FChrt.Erster Schritt: F\u00FCr jedes Gewicht wird der \u00C4nderungsparameter f\u00FCr die k-te Iteration wie folgt bestimmt:" , "lang" : "de" } ] , "http://www.w3.org/2002/07/owl#differentFrom" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Stochastic_gradient_descent" } ] , "http://purl.org/dc/terms/subject" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Category:Machine_learning_algorithms" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Category:Artificial_neural_networks" } ] , "http://dbpedia.org/ontology/abstract" : [ { "type" : "literal", "value" : "Rprop, short for resilient backpropagation, is a learning heuristic for supervised learning in feedforward artificial neural networks. This is a first-order optimization algorithm. This algorithm was created by Martin Riedmiller and Heinrich Braun in 1992. Similarly to the , Rprop takes into account only the sign of the partial derivative over all patterns (not the magnitude), and acts independently on each \"weight\". For each weight, if there was a sign change of the partial derivative of the total error function compared to the last iteration, the update value for that weight is multiplied by a factor \u03B7\u2212, where \u03B7\u2212 < 1. If the last iteration produced the same sign, the update value is multiplied by a factor of \u03B7+, where \u03B7+ > 1. The update values are calculated for each weight in the above manner, and finally each weight is changed by its own update value, in the opposite direction of that weight's partial derivative, so as to minimise the total error function. \u03B7+ is empirically set to 1.2 and \u03B7\u2212 to 0.5. RPROP is a . Next to the and the Levenberg\u2013Marquardt algorithm, Rprop is one of the fastest weight update mechanisms." , "lang" : "en" } , { "type" : "literal", "value" : "Resilient Backpropagation (Rprop) bzw. elastische Fortpflanzung ist ein iteratives Verfahren zur Bestimmung des Minimums der Fehlerfunktion in einem neuronalen Netz. Der Algorithmus wird manchmal der Gruppe Lernverfahren zweiter Ordnung zugerechnet, da in die Bestimmung der aktuellen Gewichts\u00E4nderung die letzte Gewichts\u00E4nderung mit einbezogen wird. Das Gewicht wird hierbei nur nach dem Vorzeichen des Gradienten ge\u00E4ndert. Mit einem gewichtsindividuellen Parameter wird die Schrittweite bestimmt.Die Gewichts\u00E4nderung wird in zwei Schritten durchgef\u00FChrt.Erster Schritt: F\u00FCr jedes Gewicht wird der \u00C4nderungsparameter f\u00FCr die k-te Iteration wie folgt bestimmt: mit Schrittweite und maximale Schrittweite f\u00FCr einen Vorw\u00E4rtsschritt bzw. einen R\u00FCckw\u00E4rtsschritt werden mit den Parametern festgelegt. Gute Werte f\u00FCr die Parameter sind: Im zweiten Schritt wird die \u00C4nderung der Gewichte der k-ten Iteration bestimmt: mit Dabei ist das Gewicht des Neurons j f\u00FCr den Eingang i und E die Summe der Fehler. Der Rprop-Algorithmus konvergiert im Allgemeinen schneller als die Fehlerr\u00FCckf\u00FChrung (engl. backpropagation), jedoch kann es aufgrund der Unstetigkeitsstelle am Minimum der lokalen Approximation zum \u00DCberspringen des Extremums kommen. Der Rprop-Algorithmus wurde erstmals 1992 von Martin Riedmiller und Heinrich Braun in ihrer Arbeit \u201ERprop - A Fast Adaptive Learning Algorithm\u201C vorgestellt. Christian Igel und Michael H\u00FCsken (2003) haben eine leichte Modifikation des Algorithmus vorgeschlagen, dieseine Stabilit\u00E4t und Geschwindigkeit erh\u00F6ht. Durch die vonAristoklis D. Anastasiadis et al. (2005) beschriebenen Ver\u00E4nderungen kann globale Konvergenz des Verfahrensbewiesen werden." , "lang" : "de" } ] , "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Algorithm" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Supervised_learning" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Category:Artificial_neural_networks" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Batch_update_algorithm" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Manhattan_update_rule" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Cascade_correlation_algorithm" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Heuristics" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Partial_derivative" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/First-order_approximation" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Artificial_neural_network" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Backpropagation" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Category:Machine_learning_algorithms" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Optimization_(mathematics)" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Feedforward_neural_network" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Sign_(mathematics)" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Levenberg\u2013Marquardt_algorithm" } ] , "http://dbpedia.org/property/wikiPageUsesTemplate" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Template:Not_to_be_confused_with" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Template:Reflist" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Template:Cn" } ] , "http://dbpedia.org/ontology/wikiPageRevisionID" : [ { "type" : "literal", "value" : 1101638747 , "datatype" : "http://www.w3.org/2001/XMLSchema#integer" } ] , "http://dbpedia.org/ontology/wikiPageExternalLink" : [ { "type" : "uri", "value" : "http://citeseerx.ist.psu.edu/viewdoc/summary%3Fdoi=10.1.1.27.7876" } , { "type" : "uri", "value" : "http://citeseerx.ist.psu.edu/viewdoc/summary%3Fdoi=10.1.1.17.1332" } , { "type" : "uri", "value" : "http://citeseerx.ist.psu.edu/viewdoc/summary%3Fdoi=10.1.1.21.1417" } , { "type" : "uri", "value" : "http://citeseerx.ist.psu.edu/viewdoc/summary%3Fdoi=10.1.1.21.3428" } , { "type" : "uri", "value" : "http://www.ias.informatik.tu-darmstadt.de/Research/RpropToolbox" } , { "type" : "uri", "value" : "http://www.mathworks.com/matlabcentral/fileexchange/32445-rprop" } ] , "http://dbpedia.org/ontology/wikiPageLength" : [ { "type" : "literal", "value" : "4467" , "datatype" : "http://www.w3.org/2001/XMLSchema#nonNegativeInteger" } ] , "http://dbpedia.org/ontology/wikiPageID" : [ { "type" : "literal", "value" : 7950358 , "datatype" : "http://www.w3.org/2001/XMLSchema#integer" } ] , "http://www.w3.org/2002/07/owl#sameAs" : [ { "type" : "uri", "value" : "http://de.dbpedia.org/resource/Resilient_Propagation" } , { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } , { "type" : "uri", "value" : "http://yago-knowledge.org/resource/Rprop" } , { "type" : "uri", "value" : "http://www.wikidata.org/entity/Q1320470" } , { "type" : "uri", "value" : "https://global.dbpedia.org/id/Layz" } , { "type" : "uri", "value" : "http://rdf.freebase.com/ns/m.026l567" } ] , "http://www.w3.org/ns/prov#wasDerivedFrom" : [ { "type" : "uri", "value" : "http://en.wikipedia.org/wiki/Rprop?oldid=1101638747&ns=0" } ] , "http://xmlns.com/foaf/0.1/isPrimaryTopicOf" : [ { "type" : "uri", "value" : "http://en.wikipedia.org/wiki/Rprop" } ] } , "http://dbpedia.org/resource/Feedforward_neural_network" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Mathematics_of_artificial_neural_networks" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Vanishing_gradient_problem" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Gradient_descent" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Stochastic_gradient_descent" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Outline_of_machine_learning" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Resilient_backpropagation" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] , "http://dbpedia.org/ontology/wikiPageRedirects" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } , "http://dbpedia.org/resource/Resilient_propagation" : { "http://dbpedia.org/ontology/wikiPageWikiLink" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] , "http://dbpedia.org/ontology/wikiPageRedirects" : [ { "type" : "uri", "value" : "http://dbpedia.org/resource/Rprop" } ] } }
  NODES