Vor Ort
Merkzettel Warenkorb
Produktbild: Kleines Handbuch Neuronale Netze

Kleines Handbuch Neuronale Netze Anwendungsorientiertes Wissen zum Lernen und Nachschlagen

44,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

15.06.2012

Abbildungen

XII, mit 2 Abbildungen

Verlag

Vieweg & Teubner

Seitenzahl

252

Maße (L/B/H)

21/14,8/1,5 cm

Gewicht

350 g

Auflage

Softcover reprint of the original 1st ed. 1993

Sprache

Deutsch

ISBN

978-3-322-91566-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

15.06.2012

Abbildungen

XII, mit 2 Abbildungen

Verlag

Vieweg & Teubner

Seitenzahl

252

Maße (L/B/H)

21/14,8/1,5 cm

Gewicht

350 g

Auflage

Softcover reprint of the original 1st ed. 1993

Sprache

Deutsch

ISBN

978-3-322-91566-5

Herstelleradresse

Vieweg+Teubner Verlag
Abraham-Lincoln-Straße 46
65189 Wiesbaden
DE

Email: ProductSafety@springernature.com

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

Weitere Artikel finden Sie in
  • Produktbild: Kleines Handbuch Neuronale Netze
  • 1 Einleitung.- 1.1 Begriff des neuronalen Netzes.- 1.1.1 Neurophysiologie als Vorbild.- 1.1.2 Aufbau und Funktionsweise neuronaler Netze.- 1.1.3 Vergleich mit herkömmlichen Computern.- 1.2 Hinweise für die Benützung des Buches.- 1.2.1 Zweck des Buches.- 1.2.2 Vorkenntnisse des Lesers.- 1.2.3 Übersicht über den Buchinhalt.- 1.3 Fuzzy-Logik.- 1.3.1 Begriff.- 1.3.2 Unscharfe Teilmengen.- 1.3.3 Unscharfe Mengenoperationen.- 1.3.4 Unscharfe logische Verknüpfungen.- 1.3.5 Vergleich mit neuronalen Netzen.- 1.4 Künstliche neuronale Netze.- I Grundlagen.- 2 Behandlung einzelner Neuronen.- 2.1 Bestandteile eines Neurons.- 2.2 Berechnung der Aktivität.- 2.2.1 Effektiver Eingang.- 2.2.2 Aktivierungsfunktionen.- 2.3 Berechnung des Ausgangs.- 2.3.1 Anforderungen an die Ausgangsfunktion.- 2.3.2 Schwellenwertfunktionen.- 2.3.3 Sigma-Funktionen.- 2.3.4 Weitere Ausgangsfunktionen.- 2.3.5 Anschauliche Deutung.- 2.4 Berechnung des Neurons.- 2.4.1 Berechnungsformeln.- 2.4.2 Standard-Neurontypen.- 2.4.3 Kennwerte der Neuronberechnung.- 3 Behandlung eines Netzes.- 3.1 Aufbau eines Netzes.- 3.1.1 Allgemeine Netzstruktur.- 3.1.2 Numerierung der Neuronen.- 3.1.3 Strukturierung des Netzes durch das Schichtenkonzept.- 3.1.4 Rückkopplung.- 3.1.5 Räumlich organisierte Schichten.- 3.1.6 Hinton-Diagramme.- 3.2 Reproduktionsmethoden.- 3.2.1 Struktur und Zustände eines neuronalen Netzes.- 3.2.2 Begriff der Reproduktion.- 3.2.3 Reproduktion in vorwärtsgekoppelten Netzen.- 3.2.4 Reproduktion in rückgekoppelten Netzen.- 3.2.5 Äquivalenz von vorwärts- und rückgekoppelten Netzen.- 3.2.6 Reproduktion in Wettbewerbs-Schichten.- 3.2.7 Beschreibung der Reproduktion durch Hamilton-Funktionen.- 3.2.8 Stochastische Reproduktion.- 3.3 Lernmethoden für überwachtes Lernen.- 3.3.1 Begriff des Lernens.- 3.3.2 Begriff des überwachten Lernens.- 3.3.3 Hebbsche Lernregel.- 3.3.4 Delta-Lernregel.- 3.3.5 Herleitung von Lernregeln aus Kostenfunktionen.- 3.3.6 Lernen durch Lohn und Strafe.- 3.4 Lernmethoden für unüberwachtes Lernen.- 3.4.1 Begriff des unüberwachten Lernens.- 3.4.2 Unüberwachtes Lernen durch Wettbewerb.- II Netze.- 4 Einfache überwacht lernende Netze.- 4.1 Muster-Assoziator.- 4.1.1 Allgemeiner Muster-Assoziator.- 4.1.2 Linearer Muster-Assoziator mit Hebbscher Lernregel.- 4.1.3 Linearer Muster-Assoziator mit Delta-Lernregel.- 4.1.4 Willshaw-Netze.- 4.1.5 Grenzen des Muster-Assoziators.- 4.2 Spezielle Muster-Assoziatoren.- 4.2.1 Perzeptron.- 4.2.2 ADALINE.- 4.2.3 MADALINE.- 4.3 Auto-Assoziator.- 4.3.1 Allgemeiner Auto-Assoziator.- 4.3.2 BSB-Modell.- 4.3.3 DMA-Modell.- 4.4 Fehlerrückführungs-Netz.- 4.4.1 Aufbau des Netzes.- 4.4.2 Lernregel für die Gewichte.- 4.4.3 Initialisierung der Gewichte.- 4.4.4 Zusammenfassung des Lernvorgangs.- 4.4.5 Lernregel für andere Parameter.- 4.4.6 Momentfaktor.- 4.4.7 Lokale Minima der Kostenfunktion.- 4.4.8 Fehlerrückführungsnetze mit Rückkopplung.- 4.5 Hopfield-Netz.- 4.5.1 Grundmodell.- 4.5.2 Hamilton-Funktion.- 4.5.3 Speicherkapazität.- 4.5.4 Unerwünschte Zustande.- 4.5.5 Varianten.- 5 Höher entwickelte Überwacht lernende Netze.- 5.1 BAM.- 5.1.1 Aufbau.- 5.1.2 Berechnung der Neuronen.- 5.1.3 Lernregel.- 5.1.4 Reproduktion.- 5.1.5 Mustervektoren ? {0,1}.- 5.1.6 Numerierungsvariante.- 5.2 Boltzmann-Maschinen.- 5.2.1 Aufbau.- 5.2.2 Lernregel.- 5.2.3 Reproduktion.- 5.2.4 Probleme.- 5.3 Gegenstrom-Netz.- 5.3.1 Vorstufe zum Gegenstrom-Netz.- 5.3.2 Reproduktion.- 5.3.3 Lernen.- 5.3.4 Gegenstrom-Netz.- 5.4 Netze mit Sigma-Pi-Neuronen.- 5.4.1 Prinzip.- 5.4.2 Reduktion der Schichtenzahl.- 5.4.3 Invariante Mustererkennung.- 5.4.4 Fehlerrückführung.- 5.5 Zusammenstellung überwacht lernender Netze.- 6 Unüberwacht lernende Netze.- 6.1 Selbstorganisierende Karten.- 6.1.1 Einbettung eines Netzes in einen Raum.- 6.1.2 Aufbau und Reproduktion.- 6.1.3 Festlegen der internen Gewichte.- 6.1.4 Lernen der externen Gewichte.- 6.1.5 Hinweise.- 6.2 ART-Netz.- 6.2.1 Aufgabe.- 6.2.2 Lösungsalgorithmus.- 6.2.3 Realisierung durch ein Netz.- 6.2.4 Gain.- 6.2.5 Reproduktion in der Eingangs-Vergleichsschicht.- 6.2.6 Reset.- 6.2.7 Reproduktion in der Klassifizierungsschicht.- 6.2.8 Lernen.- 6.2.9 Zusammenfassung.- 6.2.10 Literaturhinweise.- III Praxis.- 7 Anwendungen.- 7.1 Problemtypen.- 7.1.1 Übersicht.- 7.1.2 Klassifikation.- 7.1.3 Autoassoziativer Speicher.- 7.1.4 Heteroassoziative Speicher und Generalisierung.- 7.1.5 Ausgangsmusterfolgen.- 7.1.6 Zeitreihen.- 7.2 Konkrete Anwendungen.- 7.2.1 Übersicht.- 7.2.2 „Schul“probleme.- 7.2.3 Technische Anwendungen.- 7.2.4 Wissenschaftliche Anwendungen.- 7.2.5 Sonstige Anwendungen.- 8 Realisierung.- 8.1 Übersicht.- 8.2 Simulation durch Software.- 8.2.1 Grundsätze.- 8.2.2 Simulationsprogramme für den PC.- 8.3 Aufbau durch Hardware.- IV Anhang.- 9 Symbolverzeichnis.- 9.1 Begründung der Symbolauswahl.- 9.2 Vergleichsliste üblicher Symbole.- 9.3 Vergleichsliste üblicher Namen.- 9.4 Liste der Symbole.- 10 Lexikon englisch — deutsch.- 11 Lexikon und Glossar deutsch — englisch.- 12 Literaturverzeichnis.- 12.1 Literaturverweise aus dem Text.- 12.2 Einführende Literatur.- 13 Register.