Keine Bearbeitungszusammenfassung |
(Kategorien hinzufügen) |
||
| (3 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt) | |||
| Zeile 1: | Zeile 1: | ||
[[Datei:RecurrentLayerNeuralNetwork.png|thumb|201px|Künstliches neuronales Netz mit einer Schicht mit direkten Rückkopplungen]] |
[[Datei:RecurrentLayerNeuralNetwork.png|thumb|201px|Künstliches neuronales Netz mit einer Schicht mit direkten Rückkopplungen]] |
||
| − | Ein Künstliches Neuronales Netz besteht aus künstlichen [[Neuron]]en. Solch ein Netz oder auch [[Netzwerk]] hat als Vorbild die Vernetzung von [[Nervenzellen]] im biologischen [[Gehirn]] oder auch im [[Rückenmark]] von [[Lebewesen]]. |
+ | Ein '''Künstliches Neuronales Netz''' (KNN) besteht aus künstlichen [[Neuron]]en. 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 == |
== 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. |
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== |
||
| − | |||
| − | |||
| Zeile 19: | Zeile 10: | ||
[[Datei:ArtificialNeuronModel_deutsch.png|thumb|300px|Künstliches Neuron]] |
[[Datei:ArtificialNeuronModel_deutsch.png|thumb|300px|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== |
==Weblinks== |
||
| Zeile 40: | Zeile 40: | ||
[[Kategorie:Theoriefindung]] |
[[Kategorie:Theoriefindung]] |
||
[[Kategorie:Stub]] |
[[Kategorie:Stub]] |
||
| + | [[Kategorie:Mathematik]] |
||
Version vom 19. August 2011, 18:20 Uhr
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