Willkommen, schön sind Sie da!
Logo Ex Libris

Neuroinformatik

  • Kartonierter Einband
  • 56 Seiten
(0) Erste Bewertung abgeben
Bewertungen
(0)
(0)
(0)
(0)
(0)
Alle Bewertungen ansehen
Quelle: Wikipedia. Seiten: 215. Nicht dargestellt. Kapitel: Neuronales Netz, Künstliches neuronales Netz, Perzeptron, Hopfie... Weiterlesen
20%
26.90 CHF 21.50
Auslieferung erfolgt in der Regel innert 1 Woche.
Bestellung & Lieferung in eine Filiale möglich

Beschreibung

Klappentext

Quelle: Wikipedia. Seiten: 215. Nicht dargestellt. Kapitel: Neuronales Netz, Künstliches neuronales Netz, Perzeptron, Hopfield-Netz, Support Vector Machine, Neuroprothese, Selbstorganisierende Karte, Backpropagation, Adaptive Resonanztheorie, 20Q, Maschinelles Lernen, Bestärkendes Lernen, Hodgkin-Huxley-Modell, Elman-Netz, Cascade Correlation, Brain-Computer-Interface, Konnektionismus, Neural Gas, Random Forest, Time Delay Neural Network, Computational Neuroscience, Überwachtes Lernen, Resilient Propagation, FitzHugh-Nagumo-Modell, Hebbsche Lernregel, McCulloch-Pitts-Zelle, LMS-Algorithmus, Scholarpedia, Sigmoidfunktion, NETtalk, Neuromorphic Engineering, Lernmatrix, Rekurrentes neuronales Netz, Assoziativspeicher, Bidirektionaler Assoziativspeicher, Stuttgart Neural Network Simulator, Autoencoder, Parallel Distributed Processing, Neuromorphe Chips, EpsiloNN, Topologie, Kontinuierliches Grundmodell, Neuromorphing, Jordan-Netz, Lernende Vektorquantisierung, Quickprop, Neuronaler Schaltkreis, Stochastisches Lernen, Zustandsraum, 100-Schritt-Regel, Oszillierendes neuronales Netzwerk, Adaline-Modell, Neocognitron, Tuning Curve, Polynomklassifikator, Nero, NIPS, Spatiotemporale Feuermuster, Hyperbolische SOM, Aktivierungsraum. Auszug: Ein künstliches Neuron bildet die Basis für das Modell der künstlichen neuronalen Netze, einem Modell aus der Neuroinformatik, das durch biologische neuronale Netze motiviert ist. Als konnektionistisches Modell bilden sie in einem Netzwerk aus künstlichen Neuronen ein künstliches neuronales Netz und können so beliebig komplexe Funktionen approximieren, Aufgaben erlernen und Probleme lösen, bei denen eine explizite Modellierung schwierig bis nicht durchführbar ist. Beispiele sind die Gesichts- und Spracherkennung. Als Modell aus dem biologischen Vorbild der Nervenzelle entstanden, kann es mehrere Eingaben verarbeiten und entsprechend über seine Aktivierung reagieren. Dazu werden die Eingaben gewichtet an eine Ausgabefunktion übergeben, welche die Neuronenaktivierung berechnet. Ihr Verhalten wird ihnen im Allgemeinen durch Einlernen unter Verwendung eines Lernverfahrens gegeben. Diagramm einer McCulloch-Pitts-Zelle nach MinskyDie Anfänge der künstlichen Neuronen gehen auf Warren McCulloch und Walter Pitts im Jahr 1943 zurück. Sie zeigen an einem vereinfachten Modell eines Neuronalen Netzes, der McCulloch-Pitts-Zelle, dass diese logische und arithmetische Funktionen berechnen kann. Neuronale Verbindungen des Nagetier-Hippocampus von Ramón y Cajal (1911)Die Hebbsche Lernregel wird im Jahr 1949 von Donald Hebb beschrieben. Aufbauend auf der medizinischen Forschung von Santiago Ramón y Cajal, der bereits 1911 die Existenz von Synapsen nachgewiesen hat, werden nach dieser Regel wiederholt aktive Verbindungen zwischen Nervenzellen gestärkt. Die Verallgemeinerung dieser Regel wird auch in den heutigen Lernverfahren noch verwendet. Eine wichtige Arbeit kommt im Jahre 1958 mit dem Konvergenztheorem über das Perzeptron heraus. Dort zeigt Frank Rosenblatt, dass es mit dem angegebenen Lernverfahren alle Lösungen einlernen kann, die mit diesem Modell repräsentierbar sind. Jedoch zeigen die Kritiker Marvin Minsky und Seymour Papert 1969, dass ein einstufiges Perzeptron eine XOR-Ver

Produktinformationen

Titel: Neuroinformatik
Untertitel: Neuronales Netz, Künstliches neuronales Netz, Perzeptron, Hopfield-Netz, Support Vector Machine, Neuroprothese, Selbstorganisierende Karte, Computational Neuroscience, Backpropagation, Adaptive Resonanztheorie, Neuronenmodell, 20Q
Editor:
EAN: 9781159201838
ISBN: 978-1-159-20183-8
Format: Kartonierter Einband
Herausgeber: Books LLC, Reference Series
Genre: Nichtklinische Fächer
Anzahl Seiten: 56
Gewicht: 329g
Größe: H228mm x B151mm x T24mm
Jahr: 2011