Topologie (Künstliche neuronale Netze)
- Topologie (Künstliche neuronale Netze)
-
 |
Dieser Artikel oder Abschnitt bedarf einer Überarbeitung. Näheres ist auf der Diskussionsseite angegeben. Hilf mit, ihn zu verbessern, und entferne anschließend diese Markierung. |
In künstlichen neuronalen Netzen bezeichnet die Topologie die Struktur des Netzes. Damit ist i.A. gemeint, wieviele künstliche Neuronen sich auf wievielen Schichten (Hidden Layers) befinden und wie diese miteinander verbunden sind.
Es gibt reine Feed-Forward-Netze, bei denen eine Schicht immer nur mit der nächst höheren Schicht verbunden ist. Auch gibt es Netze, in denen Verbindungen in beiden Richtungen erlaubt sind. Das Finden der passenden Netzstruktur ist meist ein Versuch-und-Irrtum-Vorgang, kann jedoch mit Hilfe Genetischer Algorithmen und Backpropagation automatisch angepasst werden.
Dabei orientiert man sich am natürlichen Vorbild, dem Gehirn, dessen grundlegender Aufbau durch die Gene festgelegt ist. Sicherlich existieren Theorien, die besagen, dass das Hirn in der Lage ist, auch nach der Geburt neue Neuronen zu bilden, jedoch sind diese nicht belegt(außer durch Tests an Künstlichen neuronalen Netzen). Für den Fall dass tatsächlich noch neue Neuronen gebildet werden können, würde der Aufbau künstlicher Neuronaler Netze (KNN) um ein vielfaches erschwert, jedoch kann auch hier ein Genetischer Algorithmus Abhilfe schaffen, indem er, ähnlich einem Moore-Automaten festlegt, wie häufig ein Neuron aktiviert werden muss, damit sich in seiner Umgebung neue Neuronen ausbilden. Zusätzlich muss auch festgelegt werden, wie die neuen Neuronen in das vorhandene Netz integriert werden sollen. Künstliche Neuronale Netze dieser Art müssen zwangsläufig darauf verzichten, in Schichten aufgebaut zu sein. Sie benötigen eine völlig freie Struktur, höchstens der Raum, in dem sich die Neuronen befinden dürfen, kann begrenzt sein.
Bisher gibt es noch keine derartigen Neuronalen Netze.
Weblinks
Arbeiten und Forschung u.A. zu Neuronalen Netzen
Wikimedia Foundation.
Schlagen Sie auch in anderen Wörterbüchern nach:
Künstliche neuronale Netze — (kurz: KNN, engl. artificial neural network – ANN) sind Netze aus künstlichen Neuronen. Sie sind ein Zweig der künstlichen Intelligenz und prinzipieller Forschungsgegenstand der Neuroinformatik. Der Ursprung der künstlichen neuronalen Netze liegt … Deutsch Wikipedia
Künstliche neuronale Netzwerke — Künstliche neuronale Netze (kurz: KNN, engl. artificial neural network – ANN) sind Netze aus künstlichen Neuronen. Sie sind ein Zweig der künstlichen Intelligenz und prinzipieller Forschungsgegenstand der Neuroinformatik. Der Ursprung der… … Deutsch Wikipedia
Topologisch — Topologie (gr. τόπος tópos „Ort“ und λόγος lógos „Lehre“) steht für: Topologie (Mathematik), ein Teilgebiet der Mathematik die Struktur eines topologischen Raums, siehe topologischer Raum die Modellierung von Geodaten, siehe Geodaten#Topologie… … Deutsch Wikipedia
Perceptron — Einfaches dreilagiges feed forward Perzeptron mit fünf Input , drei Hidden und einem Output Neuron, sowie zwei Bias Neuronen Das Perzeptron (engl. perceptron, nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz … Deutsch Wikipedia
Perceptron-Konvergenz-Theorem — Einfaches dreilagiges feed forward Perzeptron mit fünf Input , drei Hidden und einem Output Neuron, sowie zwei Bias Neuronen Das Perzeptron (engl. perceptron, nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz … Deutsch Wikipedia
Perzeptron Lernalgorithmus — Einfaches dreilagiges feed forward Perzeptron mit fünf Input , drei Hidden und einem Output Neuron, sowie zwei Bias Neuronen Das Perzeptron (engl. perceptron, nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz … Deutsch Wikipedia
XOR-Operator — Einfaches dreilagiges feed forward Perzeptron mit fünf Input , drei Hidden und einem Output Neuron, sowie zwei Bias Neuronen Das Perzeptron (engl. perceptron, nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz … Deutsch Wikipedia
Aktivierungsfunktion — 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… … Deutsch Wikipedia
Bias (Neuron) — 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… … Deutsch Wikipedia
GNG-SOM — Das Growing Neural Gas (GNG) ist ein künstliches neuronales Netz, bei dem während des Adaptionsprozesses Neuronen eingefügt und gelöscht werden können. Bei anderen künstlichen neuronalen Netzen wie Self Organizing Maps (SOM) oder Neural Gas (NG)… … Deutsch Wikipedia
