Neurale Netze

by Monika Kïhle, Alexander A. Clauer (Illustrator)

Overview

Die Erforschung des Gehirns und seiner kognitiven Fähigkeiten war schon immer ein Anliegen der Menschheit. Der neueste Versuch, ein breites Verständnis der Vorgänge im Gehirn zu erlangen, ist unter dem Titel Neurale Netze zusammengefaßt. Um dem Leser den Einstieg zu erleichtern, wird das Thema schrittweise nähergebracht. Einführende Kapitel betten zuerst den Themenkreis Neurale Netze in das Umfeld anderer Wissensgebiete ein, spezialisierte und detaillierte Kapitel vermitteln biologische Analogie, einfache Modelle, Lernstrategien bis zu Simulation in Soft- und Hardware. Das Buch vermittelt in einfacher Weise Grundwissen über Neurale Netze aus der Sicht des Informatikers. Vom Leser wird kein Vorwissen auf dem behandelten Gebiet, jedoch ein Grundverständnis informatischer Belange erwartet.

Product Details

ISBN-13:	9783211822203
Publisher:	Springer Vienna
Publication date:	10/30/1990
Series:	Springers Angewandte Informatik
Pages:	188
Product dimensions:	6.69(w) x 9.61(h) x 0.02(d)
Language:	German

Table of Contents

1 Die Mystik Neuraler Netze.- 1.1 Wissenschaften und Modeströmungen.- 1.2 Ein “Neurales Netz”.- 1.3 Neurale Rechner — Neural Computing.- 1.4 Erwartungen an Neurale Netze.- 1.5 Einsatz Neuraler Netze.- 1.6 Beispiele.- 1.7 Charakterisierung Neuraler Netze.- 1.8 Praktische Anwendungen für Neurale Netze.- 2 Aus den Anfängen Neuraler Netze.- 2.1 Im Anfang war die Kybernetik.- 2.2 Seit McCulloch & Pitts, 1943.- 2.3 Frühe Lernsysteme.- 3 Neurophysiologische Grundlagen.- 3.1 Aufbau und Funktionsweise von Neuronen.- 3.2 Das visuelle System.- 4 Künstliche Neurone.- 4.1 Was von der Biologie bleibt.- 4.2 McCulloch&Pitts-Neurone.- 4.3 Aufbau Neuraler Netze.- 4.4 Unit-Typen.- 4.5 Repräsentationsformen und Kodierungen.- 4.6 Hierarchie und Synchronität.- 4.7 Lernen in Neuralen Netzen.- 5 Lernen in Neuralen Netzen.- 5.1 Übersicht über die wichtigsten Lernansätze.- 5.2 Hebb-Regel.- 5.3 Delta-Regel.- 5.4 Back Propagation.- 5.5 Competitive Learning.- 5.6 Boltzmann-Maschinen.- 5.7 Lernen durch Verstärkung und Belohnung.- 5.8 Genetische Algorithmen.- 5.9 Topologie-erhaltende Abbildungen und Lernende Vektorquantifizierung (LVQ).- 6 Modelle.- 6.1 NETtalk (Sejnowski & Rosenberg, 1986).- 6.2 Hopfield-Netze.- 6.3 Fukushimas Neocognitron.- 6.4 Adaptive Resonance Theory (ART).- 6.5 Kohonens Spracherkennung.- 7 Simulationen.- 7.1 Hardware.- 7.2 Software.- 8 Nayantara.- Namen- und Sachverzeichnis.