Was
ist ein Künstliches Neuronales
Netz? (3)
Es existiert
ein Vielzahl von unterschiedlich aufgebauten
Modellen. Das Grundprinzip gebräuchlicher
Modelle ist das sogenannte
Multi-Layer-Perzeptron:
Ein solches
Netz besteht aus:
- den Verarbeitungsknoten, den Neuronen
- den Verbindungen zwischen den
Neuronen .
Die Neuronen verarbeiten die Information,
welche an ihren Eingängen anliegt und geben
das Ergebnis an einem Ausgang aus. Über die
Verbindungen wird das Ausgangssignal an
verschiedene Neuronen weitergeleitet.
In der obigen Grafik erfolgt der
Informationsfluß von links nach rechts.
Rückkopplungen existieren beim Perzeptron
nicht. Im vorliegenden Fall besteht das
Perzeptron aus vier Schichten bzw. aus zwei
verdeckten (inneren) Schichten (die vom Input
oder vom Output her nicht zu
"sehen" sind).
Jede
Verbindung leitet die Information mehr oder
weniger stark weiter. Damit verarbeitet jedes
Neuron die vorhandene Information anders, es
ist quasi auf bestimmte Informationen
spezialisiert. Somit wird das Wissen des
Neuronalen Netzes durch die spezifischen
Durchlasswerte der Verbindungen abgebildet.
Der Vorgang,
der diesen Verbindungen ihre spezifischen
Werte zuordnet, also die Durchlassfähigkeit,
wird als Training oder Lernen bezeichnet.
Bei einem Perzeptron wird dafür
ein sog. Backpropagation-Verfahren
angewendet. Oft werden diese Netze deshalb
auch als Backpropagation-Netzwerke
bezeichnet.
