Neuronale Netzwerke - Fuzzy Logic

Beschreibung / Inhalt
Das Dokument behandelt die Themen neuronale Netzwerke und Fuzzy Logic. Im ersten Abschnitt wird die Arbeitsweise künstlicher neuronaler Netze beschrieben, die auf der Grundlage der Neurophysiologie entwickelt wurden. Es wird auf die Struktur, das Lernen und die Verwendung von neuronalen Netzen eingegangen. Dabei wird die Technische Bedeutung von Computersimulationen von neuronalen Netzen hervorgehoben, wie z.B. die Klassifizierung von Mustern und die Regelung und Steuerung von Prozessen. Zudem findet ein Vergleich zwischen dem menschlichen Gehirn und Computern statt. Im zweiten Teil wird über Unscharfe Logik, Fuzzy Logic, gesprochen. Die Idee hinter der Fuzzy Logic ist, dass die meisten Symbole des menschlichen Denkens unscharf sind und nicht in festen Wertebereichen korrelieren müssen. Fuzzy Logic bietet die Möglichkeit, Entscheidungen in komplexen und widersprüchlichen Situationen zu treffen.
Direkt das Referat aufrufen

Auszug aus Referat
HTBLuVA Wiener Neustadt Abteilung EDVO Babenbergerring 5a 2700 Wiener Neustadt PRRV-Referat Neuronale Netzwerke Fuzzy Logic Philipp Gühring, D94008 Version 1.0 Oktober 1998 Inhaltsverzeichnis 1 Neuronale Netzwerke Künstliche neuronale Netze (engl. neural networks): Die Grundidee zur Konstruktion künstlicher neuronaler Netze stammen aus der Neurophysiologie. Die Arbeit von natürlichen Nervenzellen wird dabei in stark vereinfachter Weise nachgeahmt. So können Computerprogramme (oder auch sogenannte neuronale Hardware) Eigenschaften natürlicher Gehirne wie Toleranz gegen Fehler oder Ausfall eigener Komponenten sowie Verallgemeinerungsfähigkeit aufweisen. Eine typische Verallgemeinerungsaufgabe ist beispielsweise die Erkennung unvollständiger, verzerrter oder verrauschter Muster. Die Fähigkeit zur übertragung gelernten Wissens auf neue Situationen ist eine der wichtigsten Anforderungen an neuronale Netze. Dem biologischen Vorbild entsprechend bestehen (künstliche) neuronale Netze aus einer Vielzahl von Neuronen. Diese einfachen Prozessoren werden auch als Knoten bezeichnet. 1.1 Arbeitsweise: Der Zustand jedes Knotens ergibt sich aus den Signalen, die er von anderen Knoten erhält. Jeder Verbindung zwischen zwei Knoten (in der Biologie: Synapse) ist ein Verbindungsgewicht zugeordnet. Ein darüber weitergegebenes Signal wird mit dem entsprechenden Gewicht multipliziert. Jeder Knoten addiert in der Regel alle eingehenden Signale und wendet auf die Summe eine einfache Funktion an. ...
Direkt das Referat aufrufen