Information Technology Reference
In-Depth Information
durch einen Digraphen dargestellt wird. Dabei kann die Gewichtung des Netzes in die
Automaten als Gewichtung der jeweiligen Ausgaben integriert werden. Die Zustandsüber-
führungs- und die Ausgabefunktion werden als entsprechende Funktionen der Automaten
behandelt. Die Propagierungsfunktion und die Umgebungsfunktion werden in einer Ein-
gabefunktion zusammengefasst, die die aktuelle Eingabe für jeden Automaten bestimmt.
Die Propagierungsfunktion wird dazu auf eine direkte Übertragung der gewichteten Aus-
gaben der einzelnen Elemente reduziert. Integrative Verrechnungen mehrerer Ausgaben/
Eingaben, die eventuell durch die Propagierungsfunktion vorgenommen werden, können
als Bestandteil der Zustandsüberführungsfunktion spezifiziert werden. Modelle mit einer
regelmäßigen Verbindungsstruktur können auch als Zellularautomaten dargestellt werden.
Im Rahmen der Implementierung wird auf diese unterschiedlichen Beschreibungsmög-
lichkeiten zurückgegriffen. Weiterhin werden im Rahmen der Implementierung Begriffe
und Methoden aus der Linearen Algebra verwendet, die auf einer Darstellung der Akti-
vitätsübertragung zwischen Elementen durch lineare Abbildungen in einem Vektorraum,
dargestellt durch Matrizen, basieren.
Künstliche neuronale Netze sind solche konnektionistischen Modelle, die ein biologi-
sches neuronales Netz und damit Nervensysteme in Struktur- und Funktionsweise nach-
zubilden versuchen.
Dabei muss man sich bewusst machen, dass durch die Nachbildungen höchstens eine Idealisierung
der Funktionsweise von Neuronen und ihren Synapsen erreicht werden kann und demzufolge gilt
es darauf achten, dass diese nicht zu weitgehend ausarten oder sogar fehlerhafte Züge annehmen.
Ein Beispiel aus der Metaphorik „Landscape-Metapher“ im Kontext der Hopfield-Netze soll dies
verdeutlichen: Eine gut gelernte Information stellt man sich hier als tiefes Tal, eine nur schlecht er-
innerbare Information als seichte Mulde vor. In der Fortführung dieser Sichtweise muss man den
wichtigen Terminus der Veränderung neuronaler Strukturen, die durch eine neue Information ge-
zwungen werden, sich neu zu strukturieren, so darstellen: Hänge werden steiler oder flachen sich
ab, Mulden entwickeln sich zu tiefen Tälern oder Schluchten, Hügel erheben sich plötzlich auf einer
Ebene und Täler wieder verschwinden ebenfalls plötzlich von der Landschaft.
Solche Nervensysteme bestehen aus vielen Tausenden oder Millionen von miteinander
vernetzten Nervenzellen, die Signale empfangen und neue, von ihnen erzeugte Signale,
weitergeben. Die Fortsätze des Neurons, die die Eingangsinformationen sammeln, werden
Dendriten
genannt. Sie übernehmen Signale aus anderen Nervenzellen an spezifischen
Kontaktstellen, den
Synapsen
. Der Zellkörper reagiert auf diese Stimuli und fängt an, Si-
gnale zu übertragen. Die Ausgabesignale eines Neurons werden durch das
Axon
an andere
Neuronen weitergereicht. Diese vier Elemente (Dendriten, Synapsen, Nervenkörper und
Axon) bilden die minimale Struktur, die aus biologischen Modellen für Modellierungs-
zwecke übernommen werden, so dass auch künstliche Neuronen als informationsverarbei-
tende Elemente
gerichtete, gewichtete Eingabeleitungen
, einen
Berechnungskörper
und
eine
Ausgabeleitung
besitzen werden.
Ein künstliches neuronales Netz besteht aus einigen hundert oder gar tausenden von
formalen Verarbeitungseinheiten (
units
), die auf verschiedene Arten miteinander verbun-
