Benutzer-Werkzeuge

Webseiten-Werkzeuge


analyse:neuronales-netzwerk
  • Bookmark "Neuronales Netzwerk" auf del.icio.us
  • Bookmark "Neuronales Netzwerk" auf Digg
  • Bookmark "Neuronales Netzwerk" auf Furl
  • Bookmark "Neuronales Netzwerk" auf Reddit
  • Bookmark "Neuronales Netzwerk" auf Ask
  • Bookmark "Neuronales Netzwerk" auf Google
  • Bookmark "Neuronales Netzwerk" auf Netscape
  • Bookmark "Neuronales Netzwerk" auf StumbleUpon
  • Bookmark "Neuronales Netzwerk" auf Technorati
  • Bookmark "Neuronales Netzwerk" auf Live Bookmarks
  • Bookmark "Neuronales Netzwerk" auf Yahoo! Myweb
  • Bookmark "Neuronales Netzwerk" auf Facebook
  • Bookmark "Neuronales Netzwerk" auf Newsvine
  • Bookmark "Neuronales Netzwerk" auf Yahoo! Bookmarks
  • Bookmark "Neuronales Netzwerk" auf Twitter
  • Bookmark "Neuronales Netzwerk" auf myAOL
  • Bookmark "Neuronales Netzwerk" auf Slashdot
  • Bookmark "Neuronales Netzwerk" auf Mister Wong

Neuronales Netzwerk

Begriffliche Einordnung

Als neuronales Netzwerk oder neuronales Netz wird in den Neurowissenschaften ein Geflecht aus Nervenzellen (Neuronen) bezeichnet, die funktional miteinander verbunden sind. In der Informatik wird der Begriff ebenfalls verwendet, zur Unterscheidung spricht man hier auch von künstlichen neuronalen Netzen. Dieser Bereich befasst sich mit der rechnergestützten Lösung von Aufgaben nach Prinzipien, die sich an der Funktionsweise von biologischen Nervenzellen orientieren. Der Begriff Neuron wird auch für den entsprechenden technischen Baustein benutzt.

Motivation

Ein Problem, dessen Lösung algorithmisch exakt beschrieben werden kann und das in endlicher Zeit lösbar ist, kann von einem Rechner schneller gelöst werden als von einem Menschen. Beispiel: arithmetische Berechnungen. Bei einem Problem, dessen Lösungsweg sich nicht exakt beschreiben lässt, ist jedoch der Mensch gegenüber der Maschine im Vorteil. Beispiel: Gesichter erkennen.

Das menschliche Gehirn ist sogar in der Lage, bei unvollständigen oder fehlerhaften Informationen eine adäquate Lösung zu finden. Beispiel: schlecht lesbarer Text. Diese Fähigkeit beruht auf dem Abgleich mit bereits erlerntem Wissen. Das Gehirn ersetzt einfach die fehlenden Informationen gemäß einem ihm vertrauten Grundmuster. Im obigen Beispiel: Schriftzeichen. Selbst wenn einzelne Neuronen ausfallen sollten, die für die Lösung der Aufgabe wichtig sind, kann das Gehirn noch zuverlässige Ergebnisse liefern.

Funktionsprinzip

Stark vereinfacht kann man ein neuronales Netz als einen gerichteten Graphen aus Knoten und Kanten auffassen. Ein Neuron wird durch einen Knoten mit mehreren ein- und ausgehende Kanten repräsentiert. Information wird in diesem Netz als elektrischer Impuls (Signal, Reiz) weitergeleitet. Der einzelne Knoten summiert die bei ihm anliegenden Eingangssignale. Nur wenn die Summe einen bestimmten Schwellenwert überschreitet, leitet der Knoten das aufsummierte Signal weiter, andernfalls nicht. Sofern der Knoten das aufsummierte Signal weiterleitet, wird dieses mit einem Gewichtungsfaktor je Ausgang des Knotens modifiziert und dort an das jeweils nächste verbundene Neuron weitergeleitet.

Zusammenfassend könnte man sagen, dass das einzelne Neuron eingehende Informationen vereinheitlicht und ausgehende Informationen diversifiziert.

Eine große Anzahl stark vernetzter kleiner Bausteine (Neuronen) ist in der Lage, ein komplexes Problem zu lösen, wobei der einzelne Baustein einem vergleichsweise einfachen Reaktionsmuster folgt. Einige Neuronen des neuronalen Netzes fungieren als Eingabeschicht. Dort nimmt das Netz Aufgaben entgegen. Andere Neuronen fungieren als Ausgabeschicht, an denen die Ergebnisse abgenommen werden können.

Eigenschaften

Ein neuronales Netz wird nicht explizit programmiert, das heißt es bekommt keine Anweisung, wie ein Problem zu lösen ist. Lediglich Schwellenwerte und Gewichtungsfaktoren können von außen eingestellt werden. Das neuronale Netz löst Aufgaben implizit. Es bekommt keine Regeln zur Lösung einer Aufgabe und umgekehrt lassen sich aus seinen Ergebnissen auch keine Regeln ableiten.

Zur Lösung eines Aufgabentypus muss ein neuronales Netz zuvor trainiert werden. Das heißt, es wird mit einer Vielzahl gleichartiger Aufgaben konfrontiert. Im Verlauf des Trainings können die Stellschrauben (Schwellenwerte und Gewichtungsfaktoren) geringfügig verändert werden, solange bis das Netz hinreichend konstant Ergebnisse in gewünschter Qualität liefert. Wie gut ein neuronales Netz einen Aufgabentypus lösen kann, hängt wesentlich davon ab, wie gut es dafür trainiert wurde. Dieses Phänomen wird auch als Lernfähigkeit eines neuronalen Netzes aufgefasst.

Neuronale Netze können Informationen parallel verarbeiten, sind fehlertolerant gegenüber fehlerhaften Eingabedaten und gegenüber Ausfall von Komponenten.

Anwendungsbereiche

Neuronale Netze können zum Beispiel eingesetzt werden bei der Mustererkennung (Bilder, Sprache, Texte), in der Robotik und in der Regelungstechnik. Ferner können sie Wissenschaftlern durch Simulation biologischer Vorgänge helfen, bestimmte Phänomene besser zu verstehen.


Weiterführende Informationen

Grundlagen

Neuro-Fuzzy AG Universität Münster: Einführung in Neuronale Netze.
https://wwwmath.uni-muenster.de:16030/Professoren/Lippe/lehre/skripte/wwwnnscript/startseite.html (Abruf 20.04.2016)

Bilderkennung

Technology Review - heise online - 26.02.2016: Neuronales Netz mit „übermenschlichen“ Fähigkeiten. Lernende Computersysteme überraschten zuletzt immer wieder mit bemerkenswerten Leistungen. Google-Forscher haben jetzt gezeigt, wie Maschinen Menschen selbst bei der Ortsbestimmung von Bildern übertreffen können.
http://heise.de/-3117954 (Abruf 21.04.2016)

Oliver Diedrich - heise online - 19.06.2015: Bilderkennung: Wovon träumen neuronale Netze? Forscher bei Google haben visualisiert, wie neuronale Netze zur Bilderkennung arbeiten. Dabei sind faszinierende Bilder entstanden.
http://heise.de/-2717736 (Abruf 21.04.2016)

Spielwiese

Jo Bage - heise online - 16.04.2016: Google-Mitarbeiter veröffentlichen Neuronales-Netz-Spielplatz. Damit kann der Benutzer kleine Erkenner-Netzwerke zusammenstöpseln und ihnen live beim Lernen zuschauen.
http://heise.de/-3176144 (Abruf 21.04.2016)

Oliver Diedrich - heise open source - 03.07.2015: Google veröffentlicht den Code seiner „träumenden neuronalen Netze“. Mit dem Code können Interessierte ohne große Vorkenntnisse faszinierende Bilder erzeugen.
http://heise.de/-2734299 (Abruf 21.04.2016)

  • Bookmark "Neuronales Netzwerk" auf del.icio.us
  • Bookmark "Neuronales Netzwerk" auf Digg
  • Bookmark "Neuronales Netzwerk" auf Furl
  • Bookmark "Neuronales Netzwerk" auf Reddit
  • Bookmark "Neuronales Netzwerk" auf Ask
  • Bookmark "Neuronales Netzwerk" auf Google
  • Bookmark "Neuronales Netzwerk" auf Netscape
  • Bookmark "Neuronales Netzwerk" auf StumbleUpon
  • Bookmark "Neuronales Netzwerk" auf Technorati
  • Bookmark "Neuronales Netzwerk" auf Live Bookmarks
  • Bookmark "Neuronales Netzwerk" auf Yahoo! Myweb
  • Bookmark "Neuronales Netzwerk" auf Facebook
  • Bookmark "Neuronales Netzwerk" auf Newsvine
  • Bookmark "Neuronales Netzwerk" auf Yahoo! Bookmarks
  • Bookmark "Neuronales Netzwerk" auf Twitter
  • Bookmark "Neuronales Netzwerk" auf myAOL
  • Bookmark "Neuronales Netzwerk" auf Slashdot
  • Bookmark "Neuronales Netzwerk" auf Mister Wong
analyse/neuronales-netzwerk.txt · Zuletzt geändert: 2016/04/21 17:37 von malo