Heuristiken

7 Künstliche Neuronale Netze
7.1 Aufbau
Begriff Künstlichen neuronalen Netze sind der Oberbegriff für eine Sammlung von Methoden,
deren Mechanismen zur Informationsverarbeitung sich an den Nervensystemen
im Gehirn von Säugetieren orientieren. In Analogie zur menschlichen
Lernfähigkeit lassen sich mit neuronalen Netzen künstliche lernende Systeme
modellieren, die fehlertolerant und robust gegen ungenaue Daten sind.
Aufbau Ein neuronales Netz lässt sich als ein gerichteter, gewichteter Graph darstellen,
bestehend aus Neuronen (Knoten) und Verknüpfungen (Bögen) zwischen
diesen.
Ein solches neuronales Netzwerk bildet über die Vielzahl einfacher, miteinander
verbundener Neuronen ein funktionales Gesamtsystem. Die Neuronen werden
schichtenweise angeordnet.
Jedes neuronale Netzwerk besteht mindestens aus zwei Schichten. Die unterste
Schicht wird als Eingabeschicht und die oberste Schicht als Ausgabeschicht
bezeichnet. Die Eingabeneuronen in der Eingabeschicht besitzen keine
eingehenden und die Ausgabeneuronen keine ausgehenden Verbindungen. Über
die Ausgabeneuronen gibt das neuronale Netz die Ergebnisse der Berechnungen
nach außen weiter. Oft wird die Eingabeschicht links und die Ausgabeschicht
rechts im neuronalen Netzwerk dargestellt.
Zwischen diesen beiden Schichten können eine beliebige Anzahl verborgener
Schichten (hidden layers) angeordnet sein, die für den Benutzer nicht sichtbar
sind. In der Praxis wird meist nur eine verborgene Schicht verwendet (vgl. Abbildung).
34