Next:
Contents
Contents
Künstliche Neuronale Netze -
Arbeitshinweise
G.Döben-Henisch
Fachbereich Informatik und Ingenieurswissenschaften
FH Frankfurt am Main
Contents
Vorwort
ANNs/ KNNs
Gegenstandsbereich
Lernszenarien für KNNs
Umgebung und System
Phasen im Lernprozeß
Zeit
Interaktionen
Lernen und Idealfunktion
Neuronen
Typisches Modell
Neurontyp: Binär
Neurontyp: Eingang (Sensorisch)
Wichtige Typen von Aktivierungsfunktionen
ANN: Beispiel mit 'OR'-Funktion
ANN: Muster Klassifizieren Lernen
Baustein Neuron
Gewichte und Ausgabe
Lernen
Sufficient Control of Environmental Stimuli
Sufficient Potential for Encoding by Structural Changes
Sufficient Control to Exploit Past Changes for Actual Responses
Lernexperiment
Details von Beispiel 1
Veränderungsregel
Scilab-Modell zum Hebbschen Lernen
Simple Evolving Connectionist Systems (SECoS)
Mathematischer Anhang
Vektoren
Matrizen
Scilab Programme
Vektoren und Matrizen
Neuronen
Neuronale Netze
Lernszenarien
Annex Testruns: Run No.1
OKSIMO Demos
Binäres Neuron
Summary/ Zusammenfassung
Systembeschreibung
Input-Output
Systemfunktion
Beispiel
XOR Netzwerk mit zwei binären Neuronen
Systembeschreibung
Input-Output
Systemfunktion
Beispiel
Bibliography
About this document ...
Gerd Doeben-Henisch 2009-08-24
