Aufbau und Konzeption
Künstlicher Neuronaler Netze sind an der
Funktionsweise des menschlichen Gehirns
orientiert. Ein Künstliches Neuronales
Netz kann wichtige geistige Fähigkeiten
nachbilden, wie bspw. das selbständige
Lernen und Verallgemeinern von Beispielen
sowie das schnelle Erkennen komplizierter
Muster. Das menschliche Gehirn
besitzt für den Alltag unbestreitbare
Vorteile, hat jedoch für die
Verarbeitung von komplexen
Problemstellungen offensichtliche
Limitierungen. Derartige
Problemstellungen sind einerseits durch
nicht konstante Zusammenhänge
(Nichtlinearität) und andererseits durch
eine größere Anzahl (Dimension) von
Eingangsvariablen gekennzeichnet.
Aufgrund der biologischen Evolution haben
sich diese Fähigkeiten als unwichtig
erwiesen. So ist z.B. die Fähigkeit von
der Lösung von Quadratwurzeln nur
schwach ausgeprägt. Ebenso ist das
Denken in höherdimensionalen
Zusammenhängen stark begrenzt, wie sieht
wohl bspw. eine 4-dimensionale Kugel aus?
Abhilfe müssen deshalb mathematische
Verfahren bieten. Klassische
mathematische Verfahren sind nun entweder
linear und höherdimensional ODER
nichtlinear und niedrigdimensional.
Folglich sind entsprechende Modelle oft
mit größeren Einschränkungen
gegenüber der Realität behaftet.
Künstliche
Neuronale Netze können dieses Dilemma
auflösen. Diese Verfahren ermöglichen
es, höherdimensionale UND nichtlineare
Modelle zu bilden, die der Realität weit
näher kommen. Im Gegensatz zu
klassischen Verfahren sind hier zudem
keine Vorannahmen notwendig, vielmehr
erlernt das Netz selbständig anhand der
vorliegenden Beispieldaten die zugrunde
liegende Struktur des Problems.
|