Ebook: Theorie der neuronalen Netze: Eine systematische Einführung

Neuronale Netze sind ein Berechenbarkeitsparadigma, das in der Informatik zunehmende Beachtung findet. In diesem Buch werden theoretische Ansätze und Modelle, die in der Literatur verstreut sind, zu einer modellübergreifenden Theorie der künstlichen neuronalen Netze zusammengefügt. Mit ständigem Blick auf die Biologie wird - ausgehend von einfachsten Netzen - gezeigt, wie sich die Eigenschaften der Modelle verändern, wenn allgemeinere Berechnungselemente und Netztopologien eingeführt werden. Jedes Kapitel enthält Beispiele und ist ausführlich illustriert und durch bibliographische Anmerkungen abgerundet. Das Buch richtet sich an Leser, die sich einen Überblick verschaffen oder vorhandene Kenntnisse vertiefen wollen. Es ist als Grundlage für Neuroinformatikvorlesungen an deutschsprachigen Universitäten geeignet.

---

Neuronale Netze sind ein Berechenbarkeitsparadigma, das in der Informatik zunehmende Beachtung findet. In diesem Buch werden theoretische Ans?tze und Modelle, die in der Literatur verstreut sind, zu einer modell?bergreifenden Theorie der k?nstlichen neuronalen Netze zusammengef?gt. Mit st?ndigem Blick auf die Biologie wird - ausgehend von einfachsten Netzen - gezeigt, wie sich die Eigenschaften der Modelle ver?ndern, wenn allgemeinere Berechnungselemente und Netztopologien eingef?hrt werden. Jedes Kapitel enth?lt Beispiele und ist ausf?hrlich illustriert und durch bibliographische Anmerkungen abgerundet. Das Buch richtet sich an Leser, die sich einen ?berblick verschaffen oder vorhandene Kenntnisse vertiefen wollen. Es ist als Grundlage f?r Neuroinformatikvorlesungen an deutschsprachigen Universit?ten geeignet.

---

Neuronale Netze sind ein Berechenbarkeitsparadigma, das in der Informatik zunehmende Beachtung findet. In diesem Buch werden theoretische Ans?tze und Modelle, die in der Literatur verstreut sind, zu einer modell?bergreifenden Theorie der k?nstlichen neuronalen Netze zusammengef?gt. Mit st?ndigem Blick auf die Biologie wird - ausgehend von einfachsten Netzen - gezeigt, wie sich die Eigenschaften der Modelle ver?ndern, wenn allgemeinere Berechnungselemente und Netztopologien eingef?hrt werden. Jedes Kapitel enth?lt Beispiele und ist ausf?hrlich illustriert und durch bibliographische Anmerkungen abgerundet. Das Buch richtet sich an Leser, die sich einen ?berblick verschaffen oder vorhandene Kenntnisse vertiefen wollen. Es ist als Grundlage f?r Neuroinformatikvorlesungen an deutschsprachigen Universit?ten geeignet.
Content:
Front Matter....Pages i-xviii
Front Matter....Pages 1-1
Das biologische Paradigma....Pages 3-26
Front Matter....Pages 27-27
Das Modell von McCulloch und Pitts....Pages 29-50
Gewichtete Netze — Das Perzeptron....Pages 51-72
Der Perzeptron-Lernalgorithmus....Pages 73-96
Un?berwachtes Lernen....Pages 97-119
Netze mit mehreren Schichten....Pages 121-148
Der Backpropagation-Algorithmus....Pages 149-172
Front Matter....Pages 173-173
Backpropagation und statistische Regression....Pages 175-202
Die Komplexit?t des Lernens....Pages 203-224
Fuzzy-Logik und neuronale Netze....Pages 225-248
Front Matter....Pages 249-249
Assoziativspeicher....Pages 251-276
Das Hopfield-Modell....Pages 277-301
Kombinatorische Optimierung und Parallelit?t....Pages 303-316
Stochastische Netze....Pages 317-335
Front Matter....Pages 337-337
Kohonens topologieerhaltende Abbildungen....Pages 339-359
Hybride Modelle....Pages 361-375
Genetische Algorithmen....Pages 377-398
Hardware f?r neuronale Netze....Pages 399-426
Back Matter....Pages 427-446

---

Neuronale Netze sind ein Berechenbarkeitsparadigma, das in der Informatik zunehmende Beachtung findet. In diesem Buch werden theoretische Ans?tze und Modelle, die in der Literatur verstreut sind, zu einer modell?bergreifenden Theorie der k?nstlichen neuronalen Netze zusammengef?gt. Mit st?ndigem Blick auf die Biologie wird - ausgehend von einfachsten Netzen - gezeigt, wie sich die Eigenschaften der Modelle ver?ndern, wenn allgemeinere Berechnungselemente und Netztopologien eingef?hrt werden. Jedes Kapitel enth?lt Beispiele und ist ausf?hrlich illustriert und durch bibliographische Anmerkungen abgerundet. Das Buch richtet sich an Leser, die sich einen ?berblick verschaffen oder vorhandene Kenntnisse vertiefen wollen. Es ist als Grundlage f?r Neuroinformatikvorlesungen an deutschsprachigen Universit?ten geeignet.
Content:
Front Matter....Pages i-xviii
Front Matter....Pages 1-1
Das biologische Paradigma....Pages 3-26
Front Matter....Pages 27-27
Das Modell von McCulloch und Pitts....Pages 29-50
Gewichtete Netze — Das Perzeptron....Pages 51-72
Der Perzeptron-Lernalgorithmus....Pages 73-96
Un?berwachtes Lernen....Pages 97-119
Netze mit mehreren Schichten....Pages 121-148
Der Backpropagation-Algorithmus....Pages 149-172
Front Matter....Pages 173-173
Backpropagation und statistische Regression....Pages 175-202
Die Komplexit?t des Lernens....Pages 203-224
Fuzzy-Logik und neuronale Netze....Pages 225-248
Front Matter....Pages 249-249
Assoziativspeicher....Pages 251-276
Das Hopfield-Modell....Pages 277-301
Kombinatorische Optimierung und Parallelit?t....Pages 303-316
Stochastische Netze....Pages 317-335
Front Matter....Pages 337-337
Kohonens topologieerhaltende Abbildungen....Pages 339-359
Hybride Modelle....Pages 361-375
Genetische Algorithmen....Pages 377-398
Hardware f?r neuronale Netze....Pages 399-426
Back Matter....Pages 427-446
....