Theoriefinder Wiki

Künstliches neuronales Netz mit einer Schicht mit direkten Rückkopplungen

Ein Künstliches Neuronales Netz (KNN) besteht aus künstlichen Neuronen. Solch ein Netz oder auch Netzwerk hat als Vorbild die Vernetzung von Nervenzellen im biologischen Gehirn oder auch im Rückenmark von Lebewesen.

Struktur von neuronalen Netzen[]

Die Struktur neuronaler Netze wird auch als Topologie bezeichnet und ist meistens dadurch gekennzeichnet, dass Anzahlen von künstlichen Neuronen in sogenannten Schichten hintereinander angeordnet sind, wobei unterschieden wird zwischen der Eingangs- und Ausgangs-Schicht für In- bzw. Output und den verdeckten Schichten dazwischen - die geläufigen englichen Vokabeln sind: "Layer" für "Schicht" und "hidden layer" für "Verdeckte Schicht". Ein solches Neuronales Netz ist lernfähig und es muß, um eine Informationsverarbeitung zu schaffen, ständig trainiert werden. Unterschieden wird auch, ob der Verarbeitungsvorgang nur in einer Richtung erfolgen kann, oder ob eine Rückkopplung vorhanden ist.

Künstliches Neuron[]

Künstliches Neuron

Künstliche Neuronen können durch die nachfolgenden Begriffer erklärt werden:

Wichtung[]

Die Eingaben über die Eingänge des Neurons werden unterschiedlich gewichtet, so dass der Einfluß, welchen eine Eingabe ausübt, der zugeordneten Bedeutung des Gewichtes entspricht.

Übertragungsfunktion[]

Es wird die Gesamtsumme Σ der Eingaben berechnet, so dass insgesamt die Netzeingabe festgestellt wird.

Aktivierungsfunktion[]

Die Aktivierungsfunktion bestimmt die Ausgabe des Neurons.

Schwellenwert[]

Wenn der Schwellenwert überschritten wird, erfolgt eine Aktivierung, d.h. das Neuron reagiert auf die Eingaben.

Eingaben[]

Die Eingaben xi sind der Input des künstlichen Neurons.

Aktivierung[]

Die Aktivierung ist das errechnete Ergebnis des künstlichen Neurons.

Weblinks[]

Literatur[]

Werner Kinnebrock: Neuronale Netze: Grundlagen, Anwendungen, Beispiele. Oldenbourg Verlag, München 1994, ISBN 3-486-22947-8