Programmiersprachen und -systeme zur Simulation neuronaler Netze eingegangen. Der Schwerpunkt des Buches liegt damit im Zusammenfassen und Ordnen einer Breite von Ansätzen, Modellen und Anwendungen unter wenigen, klaren Aspekten wie Netzwerkarchitektur (feedforward und feedback Netze) und Informations verarbeitung (informationsoptimale Schichten), die sich wie ein roter Faden durch die Kapitel ziehen; für ein vertiefendes Studium sind entsprechende Literaturhinweise eingearbeitet. Ich hoffe, damit nicht nur für Informatiker den Einstieg in das Gebiet der neuronalen Netze erleichtert zu haben. Zuletzt möchte ich noch Herrn Klaus Wich und Frau Nicole Sabart meinen Dank aussprechen für Ihre Anregungen und Korrekturhilfe; dem Verlag B.G. Teubner danke ich für die Aufnahme dieses Buches in sein Verlagsprogramm. Im Frühjahr 1991 Rüdiger Brause Vorwort zur zweiten Auflage In den vier Jahren seit dem Erscheinen der ersten Auflage sind viele neue Entwicklungen entstanden und vorhandene haben sich gewandelt. Aus diesem Grund nutze ich die Gelegenheit, in der neuen Auflage wichtige Entwicklungen und ihre Hintergründe bei den Approximationsnetzen zu beschreiben, neue Richtungen wie die Radialen Basisfunktionen und die Fuzzy Logik zu integrieren und den Gesamttext durch viele neue Impulse zu ergänzen. Ich hoffe, daß dies und auch die klarere Gliederung und Straffung des Stoffs sowie die Beseitigung verschiedener, leider immer vorhandener Druckfehler zu einem besseren Verständnis der Materie beitragen können.

Inhalt
1 Grundlagen.- 1.1 Biologische Grundlagen.- 1.2 Modellierung der Informationsverarbeitung.- 1.3 Information und Schichtenstruktur.- 1.4 Stochastisches Lernen.- 1.5 Hebb'sches Lernen und Merkmalssuche.- 2 Einschichtige feedforward Netze.- 2.1 Adaptive lineare Transformationen.- 2.2 Adaptive lineare Klassifikation.- 2.3 Korrelative Assoziativspeicher.- 2.4 Klassifikation, adaptive Vektorquantisierung und selbst-organiserende Merkmalsgewinnung.- 3 Rückgekoppelte Netze.- 3.1 Assoziative Speicher.- 3.2 Wahrscheinlichkeits-Maschinen.- 3.3 Nicht-lineare Dynamik, Attraktoren und Chaos.- 4 Mehrschichtige Netze.- 4.1 Zweischichtige Approximationsnetze.- 4.2 Back-Propagation Netzwerke.- 4.3 Quantisierte lineare Schichten.- 4.4 Interpolierte Vektorquantisierungsnetze.- 4.5 Approximation mit Wellenpaketen.- 4.6 Approximation mit Radialen Basisfunktionen (RBF).- 4.7 Approximation mit Regularisierungsnetzwerken.- 4.8 Rückgekoppelte, mehrschichtige Assoziativspeicher.- 4.9 Klassifikation mit Multi-Layer Perceptrons.- 4.10 Aufmerksamkeits-gesteuerte Klassifikation.- 4.11 Invariante Mustererkennung.- 4.12 Optimale Informationsverteilung in Mehrschichtennetzen.- 5 Zeitsequenzen.- 5.1 Zeitreihenanalyse.- 5.2 Feed-forward Assoziativspeicher.- 5.3 Rückgekoppelte Assoziativspeicher.- 6 Symbolische Logik, Fuzzy Systeme und Neuronale Netze.- 6.1 Symbolik und Subsymbolik.- 6.2 Fuzzy Variable und Regeln.- 6.3 Adaptive Fuzzy Systeme.- 6.4 Fuzzy Kontrolle.- 6.5 Adaptive Fuzzy Assoziativspeicher.- 7 Evolutionäre und genetische Algorithmen.- 7.1 Die Mutations-Selektions-Strategie.- 7.2 Genetische Algorithmen.- 7.3 Genetische Operationen mit neuronalen Netzen.- 8 Simulationssysteme Neuronaler Netze.- 8.1 Parallele Simulation.- 8.2 Sprachsysteme und Simulationsumgebungen.- 8.3Simulationstechniken.- Referenzen.- Public-Domain Programme, Simulatoren und Reports.- Bücher.- Zeitschriften.- Konferenzen.- Vereinigungen.- Literatur.- Stichworte.