taralino

.export_data

Der Befehl Autoregression.export_data() erwartet keine Argumente.

Es werden die Daten (Layout, Gewichte und Schwellwerte sämtlicher neuronaler Netze) einer zuvor durchgeführten Trainingsphase als Objekt ausgegeben.

Dabei können folgende Optionen verwendet werden:

Variable	Datentyp	Hinweis	Default-Wert
textarea	Zeichenkette	-	Console
digits	Zahl	ganzzahlig, nicht negativ	4

Für Anwender mit HTML-Kenntnissen lässt sich mittels textarea definieren, welches TEXTAREA-Element zur Ausgabe der Zeichenkette verwendet werden soll. Genauer wird das TEXTAREA-Element mit der ID textarea zur Ausgabe genutzt. Wird die Option nicht verwendet, wird automatisch über die Console ausgegeben.

Darüber hinaus lässt sich mittels digits definieren, wie viele Nachkommastellen sämtliche Zahlen bei der Ausgabe haben sollen. Dabei ist digits eine (ganze) Zahl zwischen 0 und 12.

Beispiel

Es wird eine Autoregression durchgeführt. Das Ergebnis wird exportiert.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

var X = [
[ 0.39, 0.30, 0.14, 0.02 ],
[ 0.58, 0.26, 0.40, 0.12 ],
[ 0.76, 0.28, 0.49, 0.20 ]
];

Autoregression.init([4, 2, 3]);

Autoregression.train(X, {iterations:100, batch_size:10, learning_rate:5});

Autoregression.export_data({digits:2})

</script>
</body>
</html>

Vorschau Download Kopie speichern

Beispiel

Es wird eine Autoregression anhand zuvor exportierter Daten initialisiert.

<!DOCTYPE html>
<html>
<head>
  <meta charset="utf-8">
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
  <script src="taralino.js"></script>
</head>
<body>
<script>

var T = [{
first:[0.0000,0.6667,0.3333],
layout:[1,2,3],
weights:[[[-0.71],[1.11]],[[1.54,0.80],[-0.40,-1.52],[-0.04,-1.88]]],
biases:[[-0.24,0.49],[2.57,-2.42,-2.29]]
},{
layout:[2,2,3],
weights:[[[1.75,-0.19],[-0.13,0.46]],[[-1.49,-0.14],[1.29,-0.62],[-1.59,-0.88]]],
biases:[[-0.07,0.83],[0.48,0.21,-1.90]]
},{
layout:[3,2,3],
weights:[[[0.92,0.40,0.66],[1.39,0.38,1.02]],[[1.76,0.98],[-0.40,-1.59],[-0.70,-2.25]]],
biases:[[-0.01,0.57],[1.80,-2.19,-1.45]]
}];

Autoregression.set_data(T);

var y = Autoregression.random({temperature:0.2});

Console.print(y);

</script>
</body>
</html>

Vorschau Download Kopie speichern