Fall auf

(10.12)

Der -Wert für das Komparatorneuron berechnet sich dann als

(10.13)

Durch diese Methode des Trainings wird näherungsweise die Anzahl der Fehlklassifikationen statt des Fehlerbetrags der einzelnen Beispiele verringert. Dies sollte unter der Voraussetzung, daß die Fehlerwerte nicht zuverlässig sind, bessere Ergebnisse liefern, was sich bezüglich der Generalisierung allerdings nur teilweise empirisch bestätigt hat.²

10.2.4.  Trainieren von Teilnetzen

Das ISSM ermöglicht, für unterschiedliche Anwendungen verschiedene Neuronen desselben Netzes als Ausgabeneuronen zu verwenden, z.B. wenn man nur die Segmentierungskomponente verwenden will. Wenn man nicht nur für die Auswertung sondern auch für das Training ein Netz für verschiedene Typen von Aufgaben verwenden will, muß das Training entsprechend definiert werden. Dies ist insbesondere nötig, um die Bewertung der Notenzuordnung zu trainieren. Die Notenzuordnung wird für jede Motivzuordnung einzeln bewertet, und der Teil des Netzes, der die Bewertung der Notenzuordnung berechnet, muß einzeln trainiert werden.

Dies ist möglich, denn bei Backpropagation werden ausgehend vom Ausgabeneuron nur die Neuronen erreicht, von denen eine direkte oder indirekte Verbindung zum Ausgabeneuron führt. Nur die Gewichte dieser Neuronen werden verändert, alle anderen Gewichte bleiben unverändert. Dabei muß die Konsistenz des Teilnetzes für die Notenzuordnung mit der Gesamtbewertung erhalten bleiben. Sonst wird evtl. eine Interpretation, die gut bewertet wird, vom System nicht ausgewählt, weil eine der Notenzuordnungen nicht die beste Bewertung erhält. D.h. die Gesamtbewertung als Funktion der Notenzuordnungsbewertung muß monoton steigend sein. Dies wird dadurch gewährleistet, daß die Gewichte aller Bewertungen, die vom Neuron für die Bewertung der Notenzuordnung GGroupQual zum Ausgabeneuron CIntrQual führen, als nichtnegativ fixiert werden.

Es ist psychologisch plausibel, ein Netz für die verschiedenen Anwendungsfälle zu verwenden, denn die grundlegenden Eigenschaften der Wahrnehmung, die hier modelliert werden, bleiben auch bei verschiedenen Klängen oder Aufgaben weitgehend konstant. Auch wenn Aufmerksamkeit und andere veränderliche Faktoren die Wahrnehmung beeinflussen, so ändern sich doch die grundlegenden Eigenschaften der auditiven Wahrnehmung nicht. Es ist daher ein Vorteil dieses Modells, daß einzelne Aspekte modelliert werden können und die Trainingsergebnisse in eine andere Anwendung mit zusätzlichen Parametern eingebracht werden können.