und

(10.8)

so daß sich für die modifizierte Backpropagation-Regel entsprechend 5.9 und für 5.10 folgende Gewichtsänderung ergibt:

(10.9)

mit

(10.10)

10.2.2.  Iteratives Training

Im ersten Teil dieser Arbeit wurde bereits das Training mit relativen Bewertungen beschrieben. Durch diesen Ansatz muß der Experte nur eine Bewertung im direkten Vergleich zweier Interpretationen angeben. Dies bedeutet allerdings immer noch, daß dem Experten bei jeder neuen Fehlinterpretation entweder eine Alternative präsentiert wird – etwa die Interpretation mit der zweitbesten Bewertung – oder daß der Experte eine bessere Interpretation eingeben muß. Im allgemeinen kann man annehmen, daß ein Experte für eine bestimmte Sequenz immer die gleiche Interpretation bevorzugt. Da es für die gewünschte Auswahl der Interpretation nur nötig ist, daß die vom Experten bevorzugte Interpretation besser als andere Interpretationen bewertet wird, ist es ausreichend, nur diese eine Experteninterpretation zu verwenden, um damit zu jeder vom System ausgewählten falschen Interpretation dynamisch ein relatives Beispiel zu erzeugen. Auf dieser Idee beruht das in dieser Arbeit neu entwickelte Iterative Training.

Das Verfahren des iterativen Trainings besteht darin, durch den Experten eine beste Interpretation, die Experteninterpretation (EI), definieren zu lassen, die als absolutes Beispiel dient. Zunächst muß sichergestellt werden, daß die EI nach den Filter-Regeln zulässig ist. Wenn die EI zulässig ist, und das System dennoch eine andere Interpretation ausgibt, die von der Vorgabe durch den Experten abweicht, dann ist die Systeminterpretation (SI) besser bewertet worden als die EI. In diesem Fall muß ein relatives Beispiel für das Training erzeugt werden. Dabei wird die SI als schlechter und die EI als besser definiert. Nach erfolgreichem Training des Netzes oder Erfüllung eines Abbruchkriteriums wird die Systemausgabe erneut mit der Expertenvorgabe verglichen. Dabei wird evtl. eine andere Interpretation durch das System ausgegeben, die nicht mit der Experten-Interpretation übereinstimmt. Ist die SI nicht für alle absoluten Trainingsbeispiele gleich der EI, dann beginnt eine neue Iteration und es werden ggf. wieder neue relative Beispiele erzeugt. Man führt nun so viele Iterationen durch, bis entweder die SI für alle Beispiele der EI