Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Download (1800Kb) - oops/ - Oldenburger Online-Publikations-Server
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Ist der Eingabewert größer als ein vorgegebener Schwellwert, hat das Neuron eine positive Ausgabe.<br />
Dies wird im Modell wie folgt realisiert: Um die Ausgabe o eines Neurons zu erhalten, wird<br />
von der Eingabe i ein Schwellwert Θ abgezogen. Auf das Ergebnis wird eine, häufig sigmoide,<br />
Aktivierungsfunktion σ angewandt und eventuell noch mit einer Amplitude o 0 multipliziert:<br />
o(i,Θ)=o 0 σ(i − Θ)=o 0 σ<br />
( N∑<br />
w i x i − Θ<br />
i=1<br />
)<br />
. (3.2)<br />
Für Simulationen ist es vorteilhaft, den variablen Schwellwert als zusätzliches Neuron mit konstanter<br />
Ausgabe eins zu modellieren. Die Eingabe des Neurons wird damit zu:<br />
N+1<br />
i = ∑ w i x i mit w N+1 = −Θ,x N+1 = 1. (3.3)<br />
i=1<br />
Die Berechnungen in dieser Arbeit wurden mit der logistischen Funktion als Aktivierungsfunktion<br />
durchgeführt und die Ausgangsamplitude o 0 = 1 gesetzt. Für die Ausgabe des Neurons ergibt sich<br />
so:<br />
o(i)=σ(i)= 1<br />
1 + e −i = 1<br />
.<br />
1 + e −∑N+1 i=1 w ix i<br />
(3.4)<br />
Zur Bearbeitung komplexer nichtlinearer Probleme werden viele Neuronen in einem Netzwerk<br />
verbunden.<br />
Feed-Forward-Netze<br />
In einem neuronalen Netz sind die Neuronen in verschiedenen Schichten angeordnet. Daraus ergibt<br />
sich eine Unterscheidung von verschiedenen Zelltypen:<br />
• Über Eingabeneuronen wird die Eingabe von außen in das Netz aufgenommen.<br />
• Neuronen der Ausgabeschicht geben die Ausgabe des Netzes nach außen weiter.<br />
• Die verdeckten Neuronen der Zwischenschicht(en) haben keine Verbindung nach außen, sie<br />
dienen der Informationsverarbeitung innerhalb des Netzes.<br />
In Feed-Forward-Netzen wird die Information von den Neuronen der jeweils vorausgehenden zu<br />
den nachfolgenden Schichten über gewichtete Verbindungen weitergeleitet (siehe Abb. 3.1). Es<br />
treten keine rückwärtsgerichteten Verbindungen oder Verknüpfungen innerhalb einer Schicht auf,<br />
so daß keine Rückkopplung der Neuronen mit sich selbst stattfindet. Für die meisten Anwendungen<br />
werden die Neuronen ebenenweise von einer Schicht zur nächsten verbunden. Es ist aber auch<br />
möglich, die Neuronen der aufeinander folgenden Schichten nicht alle miteinander zu verbinden<br />
oder über ’short-cut connections’ Ebenen zu überspringen.<br />
Für ein Feed-Forward-Netz muß festgelegt werden, wie viele Schichten das Netz hat, welche Anzahl<br />
an Neuronen in jeder Schicht liegen und welche Neuronen miteinander verknüpft sind. Ist<br />
17