<< zurück

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.

-.-

 

   

 www.profit-station.de
 Copyright © 1999-2019 Josef Gebhardt Innovative Finanzmarktanalysen - Alle Rechte vorbehalten.