Neuronale Netze - Eine Einführung in die Grundlagen, Anwendungen und Datenauswertung
von: Günter Daniel Rey, Karl F. Wender
Hogrefe AG, 2010
ISBN: 9783456948812
Sprache: Deutsch
209 Seiten, Download: 4614 KB
Format: PDF, auch als Online-Lesen
Mehr zum Inhalt
Neuronale Netze - Eine Einführung in die Grundlagen, Anwendungen und Datenauswertung
Inhaltsverzeichnis | 6 | ||
Vorwort zur zweiten Auflage | 10 | ||
Vorwort zur ersten Auflage | 11 | ||
1 Grundlagen | 14 | ||
Übersicht und Lernziele | 14 | ||
Einleitung | 14 | ||
Units und ihre Verbindungen | 15 | ||
Funktionsweise von Units | 17 | ||
Input und Netzinput | 18 | ||
Aktivitätsfunktion | 19 | ||
Output | 25 | ||
Bias-Units | 26 | ||
Trainings- und Testphase | 27 | ||
Matrizendarstellung | 28 | ||
Zusammenfassung | 30 | ||
Übungsaufgaben | 32 | ||
2 Lernregeln | 34 | ||
Übersicht und Lernziele | 34 | ||
Einleitung | 34 | ||
Hebb-Regel | 37 | ||
Delta-Regel | 38 | ||
Gradientenabstiegsverfahren | 40 | ||
Lösungsansatz | 41 | ||
Probleme des Verfahrens | 44 | ||
Lösungsansätze | 46 | ||
Backpropagation | 51 | ||
Einleitung | 51 | ||
Problemstellung und Algorithmus | 52 | ||
Competitive Learning | 55 | ||
Zusammenfassung | 56 | ||
Übungsaufgaben | 57 | ||
3 Netztypen | 60 | ||
Übersicht und Lernziele | 60 | ||
Einleitung | 60 | ||
Pattern Associator | 62 | ||
Beispielberechnung | 63 | ||
Eigenschaften | 65 | ||
Rekurrente Netze | 65 | ||
Simple Recurrent Networks | 67 | ||
Jordan-Netze, Elman-Netze und Autoassociator | 69 | ||
Attraktorennetze | 70 | ||
Anwendungen | 73 | ||
Kompetitive Netze | 73 | ||
Kohonennetze | 77 | ||
Berechnung | 78 | ||
Wichtige Parameter | 82 | ||
Anwendungen | 86 | ||
Constraint Satisfaction Netze | 88 | ||
Beispiel eines Constraint Satisfaction Netzes: Jets und Sharks | 91 | ||
Zusammenfassung | 92 | ||
Übungsaufgaben | 93 | ||
4 Eigenschaften | 96 | ||
Übersicht und Lernziele | 96 | ||
Eingenschaften neuronaler Netze | 96 | ||
Probleme neuronaler Netze | 99 | ||
Zusammenfassung | 101 | ||
Übungsaufgaben | 103 | ||
5 Anwendungen | 104 | ||
Übersicht und Lernziele | 104 | ||
Einleitung | 104 | ||
Farbkonstanz | 105 | ||
Ausgangssituation | 105 | ||
Netzaufbau | 107 | ||
Ergebnisse und Fazit | 110 | ||
Routinetätigkeiten | 111 | ||
Ausgangssituation | 111 | ||
Netzaufbau | 114 | ||
Ergebnisse und Fazit | 115 | ||
Autismus | 118 | ||
Ausgangssituation | 118 | ||
Netzaufbau | 121 | ||
Ergebnisse und Fazit | 123 | ||
Serielles Lernen | 126 | ||
Ausgangssituation | 126 | ||
Netzaufbau | 127 | ||
Ergebnisse und Fazit | 130 | ||
Spielkarten sortieren | 132 | ||
Ausgangssituation | 132 | ||
Netzaufbau | 134 | ||
Ergebnisse und Fazit | 135 | ||
Zahlenrepräsentation | 136 | ||
Ausgangssituation | 136 | ||
Netzaufbau | 139 | ||
Ergebnisse und Fazit | 140 | ||
Übungsaufgaben | 142 | ||
6 Datenauswertung | 144 | ||
Übersicht und Lernziele | 144 | ||
Einleitung | 144 | ||
Visual-XSel | 147 | ||
Datensatz einfügen und Dialogbox auswählen | 148 | ||
Variablen auswählen | 149 | ||
Modellparameter festlegen | 152 | ||
Korrelationen der Datenanalyse überprüfen | 154 | ||
Modellgewichte berechnen lassen | 156 | ||
Kennwerte der Datenauswertung interpretieren | 159 | ||
Weitere Einstellungen | 161 | ||
Ergebnisse der Datenauswertung graphisch darstellen | 163 | ||
MemBrain | 167 | ||
Units einfügen | 168 | ||
Verbindungen erstellen | 172 | ||
Datensatz erstellen oder einfügen | 174 | ||
Lernregel auswählen | 177 | ||
Gewichte initialisieren und trainieren | 180 | ||
Trainiertes Netz überprüfen | 182 | ||
SPSS | 185 | ||
Datensatz einfügen und Neuronale Netze Dialogbox auswählen | 185 | ||
Variablen auswählen und Partitions-Datenblatt ausfüllen | 186 | ||
Netzwerkarchitektur und Trainingsoptionen festlegen | 188 | ||
Ausgabeeinstellungen vornehmen und Vorhersagen speichern | 190 | ||
Export und weitere Optionen vornehmen | 192 | ||
Übungsaufgaben | 193 | ||
Literaturverzeichnis | 196 | ||
Sachverzeichnis | 202 |