Next:
Vorwort
Up:
Künstliche Neuronale Netze -
Previous:
Künstliche Neuronale Netze -
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
KNN: Beispiel mit 'OR'-Funktion
KNN: Beispiel mit Mustererkennung
KNN als Reaktives System
KNN als lernendes System
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
Lernen mit der hebbschen Regel
Beispiele Nr.1-4
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
Beispiel
XOR Netzwerk mit zwei binären Neuronen
Systembeschreibung
Beispiel
Bibliography
Gerd Doeben-Henisch 2013-01-17