Umgebung und System

$$LS = \langle ENV, SYS \rangle$$ (2.8)

$$SYS = ANN \cup \overline{ANN}$$ (2.9)

$$ENV = \langle Q, IN, OUT, I, F, \delta\rangle$$ (2.10)

$$ANN = \langle N, IN, OUT, CON,dyn\rangle$$ (2.11)

$$OUT_{env} \supseteq IN_{sys}$$ (2.12)

$$IN_{env} \supseteq OUT_{sys}$$ (2.13)

Die allgemeine Annahme ist in Formel 2.8 wiedergegeben: ein Lernszenario $LS$ beinhaltet mindestens eine Umgebung ('environment') $ENV$, und mindestens ein System $SYS$, das entweder ein künstliches neuronales Netz ('artificial neural network') $KNN$ ($ANN$) ist oder ein anderes System. Eine Umgebung $ENV$ selbst wird gebildet durch eine Menge von Zuständen $Q$, die Input $IN$ und Output $OUT$ verarbeiten. Dazu gibt Anfangszustände ('initial states') $I$ sowie Endzustände ('final states') $F$. Den dynamischen Zusammenhang bildet die Transferfunktion $\delta$. Ein künstliche neuronales Netz $KNN$ besteht aus den Elementen Neuronen $N$, Inputwerte $IN$, Outputwerte $OUT$, Verknüpfungen $CON$ zwischen den Neuronen sowie ebenfalls eine Transferfunktion $dyn$. Die Verknüpfung von Umgebung und neuronalem Netz geschieht über die Input- und Outputwerte. Die möglichen Inputwerte der neuronalen Netze stammen aus den Outputwerten der Umgebung, desgleichen sind die Outputwerte der neuronalen Netze Teile des Inputs der Umgebung.