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
3 Netztypen (S. 59-60)
3.1 Übersicht und Lernziele
Das dritte Kapitel stellt ausgewählte Netztypen vor und erörtert deren Funktionsweisen und Anwendungsmöglichkeiten. Gemeinsamkeiten und Unterschiede der einzelnen Netztypen sowie deren Vor- und Nachteile werden diskutiert. Folgende Lernziele sind Bestandteil dieses Kapitels:
- Nach welchen Gesichtspunkten kann man neuronale Netze klassifizieren?
- Welche verschiedenen Netztypen gibt es?
- Worin unterscheiden sich diese?
- Durch welche zentralen Eigenschaften kann man die einzelnen Netztypen charakterisieren?
3.2 Einleitung
Wie bereits im ersten Kapitel erwähnt gibt es nicht das neuronale Netz, sondern der Oberbegriff umfasst diverse Arten von z.T. sehr heterogenen Netztypen. Welcher Netztyp zum Einsatz gelangen sollte, ist von der spezifischen Problemstellung abhängig. Oftmals ist dabei simples Ausprobieren erforderlich, aber auch Genetische Algorithmen (siehe Exkurs: Genetische bzw. Evolutionäre Algorithmen3) sowie die Erfahrung des „Netzwerkarchitekten“ können herangezogen werden, um den geeigneten Netztyp mit den entsprechenden Parametern auszuwählen.
Neuronale Netze lassen sich nach unterschiedlichen Gesichtspunkten klassifizieren. Eine Möglichkeit zur Unterteilung bieten die Lernregeln, die diese Netze verwenden. Dabei ist zumeist keine klare Zuordnung zwischen Netztyp und Lernregel möglich, da einige Netztypen auf dieselbe Lernregel zurückgreifen, während andere sich mit verschiedenen Lernregeln realisieren lassen. Andere Klassifikationsmöglichkeiten betreffen folgende Aspekte:
- Existenz von Hidden-Units (vorhanden versus nicht vorhanden)
- Art der Trainingsphase (supervised, unsupervised oder reinforcement learning)
- Existenz von Rückkopplungen (rekurrente Verbindungen von Neuronen zu anderen Einheiten derselben oder einer vorangegangenen Schicht)
- Einsatzgebiet des Netzes (z.B. Vorhersage, Klassifikation, dem Erkennen von Mustern, der assoziativen Speicherung von Informationen, der Optimierung usw.)"