| |
|
Wärend das Gehirn jedoch zur massiven Parallelverarbeitung in der Lage ist arbeiten Standard Personal Computer in der Regel physikalisch nur sequentiell bzw. partiell parallel (sog. Von-Neumann-Architektur eines Rechners). Es gibt jedoch auch erste Prototypen neuronaler Rechnerarchitekturen, sozusagen den Neuronalen Chip. Man stellt KNNs damit explizit den natürlichen "neuronalen Netzwerken" gegenüber, welches Modelle von Nervenzellverschaltungenverschaltungen im Gehirn sind. Meistens sind im fachlichen Sprachgebrauch KNNs gemeint, wenn nur von "neuronalen Netzen" die Rede ist.
Neuronale Netze haben im Vergleich zu anderen Gebieten der künstlichen Intelligenz ihren Anwendungsschwerpunkt immer genau dort, wo ein Computer etwas lernen soll bzw. auch durch einige ausgewählte Eingabemuster auf eine allgemeinere, abstraktere Form des Musters schliessen können soll ("Generalisierung", z. B. Bild-/Gesichtserkennung).
| Table of contents |
|
2 Grundlagen 3 Anwendungen 4 Implementierungen und Simulationspakete |
Typen von KNNs
Perceptron
Multilayer Perceptron
Feedforward Netze
Kohonen
Hopfield
Self-Organizing Maps
...Grundlagen
Hebb'sche Lernregel
backpropagation
unsupervised learning
ADALINE
...Anwendungen
Implementierungen und Simulationspakete
SNNS, ...