Künstliches neuronales Netz: Unterschied zwischen den Versionen

Aus DGL Wiki
Wechseln zu: Navigation, Suche
(Die Seite wurde neu angelegt: „{{Unvollständig}} =Was ist ein "Künstliches neuronales Netz/Netz"= Ein künstliches neuronales Netz (in diesem Artikel "das Netz" oder "ANN" für "artificial…“)
 
K (Komoluna verschob die Seite Künstliches neurales Netz nach Künstliches neuronales Netz)
(kein Unterschied)

Version vom 1. März 2015, 22:59 Uhr

Hinweis: Dieser Artikel ist noch unvollständig.
(Mehr Informationen/weitere Artikel)

{{{1}}}

Incomplete.jpg

Was ist ein "Künstliches neuronales Netz/Netz"

Ein künstliches neuronales Netz (in diesem Artikel "das Netz" oder "ANN" für "artificial neural net") ist einem biologischen Gehirn(deinem Denkdings) nachempfunden, und kann fast jede beliebige mathematische Funktion beschreiben.
Mathematische Funktion ist hier nicht nur als "echte" Funktion sondern als Gleichnis für allerlei mathematische Probleme zu sehen, z.B:

  • Eine KI-Steuerung für NPCs um komplexe Verhaltensweisen zu simulieren
  • Verschiedenste Mustererkennungen
  • Funktionen die nicht mit einer Formel beschrieben werden können (XOR-Gate)

In diesem Artikel werden sogenannte "Feed-forward" Netze und Additionsneuronen mit sigmoider Funktion behandelt. Feed-forward heißt, dass die Informationen im Netz immer nur in eine Richtung weitergereicht werden. Das bedeutet, dass das Netz sich nichts merken kann und seine Outputs zu 100% auf den Inputs basieren.

Vor/Nachteile

Vorteile

  • Komplexe Handlungsweisen
  • Lernfähigkeit

Nachteile

  • keine exakten Ergebnisse(nur Annäherung)

Funktionsweise

Das Netz

Das Netz besteht aus mehreren Neuronen, die miteinander verbunden sind. Jede Verbindung besitzt eine Wichtung, die den Einfluss des Senderneurons auf das Zielneuron bestimmt.

Das Neuron

Ein einzelnes Neuron kann man als mathematische Funktion definieren, da immer mehrere Werte in ein Output umgewandelt werden. Im Verlauf der Berechnung werden 2 Variablen benötigt:

Der Aktivierungswert

Ergibt sich aus der Summe der Transferwerte der verbundenen Senderneuronen mal der Wichtung der jeweiligen Verbindung: {{{1}}}