|
Die folgenden Abschnitte geben einen kurzen Einblick in die Funktionsweise
von Künstlichen Neuronalen Netzen.
Was genau innerhalb eines Neuronalen Netzes vorgeht, kann bei umfangreichen
Netzgrössen, aufgrund der Komplexität nur mit einer wagen Gewissheit bestimmt
werden. Somit kann ein Künstliches Neuronales Netz in gewisser Weise mit einer
Blackbox verglichen werden.
Topologie - Die Architektur Neuronaler Netze
Künstliche Neuronale Netze bestehen aus einer Gruppe von Zellen, die in
mehreren Schichten angeordnet sein können.
 |
Die Zellen der ersten Schicht dienen der Eingabe von
Problemstellungen (Input Zel- len).
|
|
Zwischen den äusseren Schichten können verborgene, von aussen nicht
zugängliche, Schichten mit weiteren Zellen liegen, welche die Aufgabe
verarbeiten (Hidden Zellen).
|
|
Die Zellen der letzten Schicht geben die Lösung aus dem Lern- und
Verarbeitungs-prozess aus (Output Zellen).
|
Jede Zelle einer Schicht ist in der Regel vollständig mit allen anderen
Zellen der nachfolgenden Schicht verbunden. Je nach Aufgabenstellung beim
Training bilden sich einige Verbindungen stärker, andere schwächer aus. Die
Stärke einer Verbindung führt bei unterschiedlichen Inputs zu unter-schiedlichen
Outputs.
Training - Neuronale Netze müssen lernen
Neuronale Netze lernen aus Beispielen. Sie prägen sich die gewünschte Aufgabe
beim Training mit Hilfe der Beispiele selbständig ein. Dabei passen sich die
Verbindungen zwischen den Zellen den Erfordernissen an. Nach dem Training wird
das Netz geprüft, indem es eine Aufgabe vorgelegt bekommt, die es zuvor nicht
trainiert hat. Es sollte dann in der Lage sein, auch solche Testmuster richtig
zu erkennen, die sich von den gelernten Mustern mehr oder weniger stark
unterscheiden.
Anwendung - Neuronale Netze im praktischen Einsatz
Die erstaunlichen Fähigkeiten Künstlicher Neuronaler Netze werden schon seit
längerer Zeit in zahlreichen Forschungsprojekten und kommerziellen Software
Applikationen untersucht und genutzt.
Die Anwendungsgebiete für Neuronale Netze sind sehr weitreichend und lassen
sich an dieser Stelle nur unvollständig aufzählen.
Sie können in der Industrie eingesetzt werden für Qualitätskontrollen,
Kapazitäts- planungen, Ablaufoptimierung, Steuerungskontrolle, Materialsynthese
usw. Im Finanzwesen lassen sich Bonitätsvoraussagen erstellen, Wertpapier-
bewertungen, Kursprognosen, Schätzungen usw. durchführen. Im Marketing lassen
sich Muster erkennen, Zielgruppen bestimmen oder das Konsumverhalten
analysieren. Weitere Einsatzgebiete finden sich in der künstlichen Intelligenz,
der Medizin, im Öffentlichen Dienst, im Verkehr oder der Telekommunikation usw.
Auf den folgenden Seiten finden weitere Informationen zu möglichen Anwen-
dungsgebieten für Künstliche Neuronale Netze:
Anwendungsgebiete
Beispiele von Anwendungsgebieten
Weitere Anwendungsgebiete in Kurzform
|