fachpublikation.de

Hauptseite fachpublikation.de

Verzeichnis aller Publikationen

Verzeichnis aller Autoren

Schlagwortverzeichnis

Dokumente kostenlos publizieren
 

Impressum fachpublikation.de

 

 

Dipl. biol. Semjon Krolzik: Genetische Algorithmen


2. Neuronale Netze

Ebenso wie die Genetischen Algorithmen basieren auch die Neuronalen Netze auf Modellen aus der Biologie.
Das Gehirn eines Menschen oder auch eines höheren Tieres ist dem Computer in vielen Bereich weit überlegen. Zu nennen wären vor allem seine "massiv parallele Rechenstruktur" und seine Abstraktionsfähigkeit.
Um diesen Nachteil beim Computer auszugleichen, der ja dafür in anderen Bereichen glänzt, versucht man die Struktur von biologischen Nervensystemen im Computer nachzubilden.

2.1 Biologische Neuronale Netze


Biologisches Neuron

Biologische Neuronen haben einen Zellkörper von dem mehrere Dendriten ausgehen. An den Dendriten empfängt die Nervenzelle Signale. Außerdem geht vom Zellkörper aus genau ein Axon ab. Über das Axon sendet die Nervenzelle Signale. Das Axon mündet in mehrere Synapsen, so daß die Nervenzelle mit mehreren anderen Nervenzellen kommunizieren kann. Allerdings geht die Kommunikation immer nur in eine Richtung: Synapse -> Dendrit -> Zellkörper -> Axon -> Synapse usw.
Das Signal das geleitet wird ist ein elektrischer Impuls. Die Übertragung an den Synapsen auf die Dendriten findet auf chemischen Wege statt. Erhält eine Nervenzelle an ihren Dendriten ein Signal wird dies nicht direkt weitergeleitet, sondern erst "verarbeitet". Die einzelnen empfangenen Signale werden in der Regel aufsummiert, wird dabei ein gewisser Schwellenwert erreicht, dann wird das Signal über das Axon weitergeleitet. Für die Weiterleitung gilt die alles-oder-nichts-Regel, d.h. ein Signal wird entweder gesendet oder nicht, wenn es aber gesendet wird, dann in voller Stärke. Das weitergeleitete Signal kann dann im folgenden entweder eine induzierende oder hemmende Wirkung haben.

2.2 Künstliche Neuronale Netze

Die Modellierung eines Neuronalen Netzes auf einem Computer ist an sich nicht so schwer, da die Signalleitung und -verarbeitung relativ einfachen Mustern folgt. Biologische Neuronale Netze sind aber wegen ihrer Größe so komplex. In dem Gehirn einer Fliege beispielsweise finden sich schon 100.000 Neuronen, bei einer Maus sind es allein in der Großhirnrinde etwa 10 Millionen Neuronen, nochmal so viele in der Kleinhirnrinde und im übrigen Nervensystem sind es etwa doppelt so viele. Die Relationen sind beim Menschen etwa gleich nur die Zahl um das tausendfache größer ist. Die Verknüpfungen untereinander sind in der Zahl, je nach Gehirnteil, nochmal um das tausend- bis zehntausendfache höher als die Zahl der Neuronen (Beim Menschen etwa 1014). Derartige Neuronale Netze auf einem Computer zu simulieren ist derzeit schlicht unmöglich. Allerdings sind neuronale Netze in dieser Größenordnung meist auch gar nicht nötig.

Der klare Vorteil von künstlichen Neuronalen Netzen gegenüber herkömmlichen Algorithmen ist die Darstellung unscharfer nichtlinearer Zuordnungen. Es kann also ähnlich wie ein Mensch lernen und abstrahieren.
Anwendungsgebiete sind unter anderem Prognosen, optische und akustische Mustererkennung und Regelungstechnik.

Künstliche Neuronale Netze arbeiten wie ihre natürlichen Vorbilder: Sie lernen durch Verstärkung/Dämpfung und herstellen/lösen von Verbindungen.
Ein künstliches Neuron hat mehrere Eingänge, z.B. von anderen Neuronen, e1 bis en, aber nur eine Ausgabe (wobei die Ausgabe an mehrere andere Neuronen gesendet werden kann). Jeder Eingang wird entsprechend der Verstärkung oder Dämpfung gewichtet (w1 bis wn) und dann aufaddiert: Σ wjej
Ist die Summe größer als der Schwellenwert (Σ wjej > Θ) wird der Ausgang auf 1 gesetzt, sonst 0.

Beim lernen kann sich die Verstärkung/Dämpfung der Verbindungen ändern, für größere Netze ist aber gerade die Verschaltung der künstlichen Neuronen sehr wichtig. Diese kann entweder einmal festgelegt werden, oder sich auch während des lernens verändern. Um eine optimale Verschaltung zu erreichen werden häufig Optimierungsverfahren eingesetzt (u.a. Genetische Algorithmen).

 

Seite zurück  Eingangsseite  Seite vor


Home | WorldWideBooks | imMEDIAtely


Stand der letzten Aktualisierung: 8. Januar 2000
Bei Fragen und Anregungen zu dieser Website wenden Sie sich bitte an: webmaster@fachpublikation.de