Neuroinformatik - Intelligente Systeme
Neuroinformatik - Intelligente Systeme
Neuroinformatik - Intelligente Systeme
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Ausgabedatum: 10.04.12<br />
Abgabedatum: 22.04.12<br />
Sommersemester 2012<br />
Universität Duisburg-Essen<br />
Fachbereich Ingenieurwissenschaften<br />
Lehrstuhl für <strong>Intelligente</strong> <strong>Systeme</strong><br />
<strong>Neuroinformatik</strong><br />
Prof. Dr. Josef Pauli, Fabian Bürger<br />
1. Übung<br />
Aufgabe 1<br />
a) Diskutieren Sie Anwendungsfelder der <strong>Neuroinformatik</strong>. Welche besondere Bedeutung hat der Aspekt<br />
des Lernens?<br />
b) Diskutieren Sie die Charakteristika eines neuronalen Netzes. Die Diskussionspunkte sind Netzwerktopologie,<br />
Knotenfunktion, Netzwerkdynamik und neuronales Lernen.<br />
Aufgabe 2<br />
In Abbilung 1 ist die Topologie eines neuronalen Netzes abgebildet. Die Propagierungsfunktion für das<br />
Netz ist der lineare Assoziator, die Aktivierungsfunktion ist die symmetrische Sigmoidfunktion<br />
f a (s) = 1 − e−s<br />
. (1)<br />
1 + e−s Die Gewichte sind vorgegeben: w 1 1,1 = −1.965, w 1 1,2 = −2.204, w 1 1,3 = 2.884, w 1 1,4 = 1.293, w 1 0,1 =<br />
−0.193, w 1 0,2 = 1.255, w 1 0,3 = 1.450, w 1 0,4 = 1.179, w 2 1,1 = 0.791, w 2 2,1 = 2.725, w 2 3,1 = 2.567, w 2 4,1 =<br />
1.035, w 2 0,1 = 0.044, wobei w·0,· jeweils das Gewicht für den Bias ist.<br />
Das abgebildete Netz f ap approximiert eine Funktion f(x) auf dem Intervall [−π; π], also gilt f(x) ≈<br />
f ap (x) für x ∈ [−π; π]. Welche Funktion f(x) wird durch das dargestellte Netz approximiert? Tipp:<br />
Funktion kann z. B. f 1 (x) := cos(x), f 2 (x) := sin(x), f 3 (x) := arctan(x), f 4 (x) := 1 − e −x oder f 5 (x) =<br />
e<br />
( ) −x<br />
2<br />
2<br />
sein.
f p |f a<br />
w 2 1,1<br />
w 1 1,1<br />
w 1 0,1<br />
1<br />
x<br />
w 1 1,2<br />
w 1 1,3<br />
w 1 1,4<br />
f p |f a<br />
w 2 2,1<br />
w 1 0,2<br />
1<br />
f p |f a<br />
w 2 3,1<br />
w 2 4,1<br />
w 1 0,3<br />
1<br />
f p |f a<br />
f p |f a<br />
1<br />
w 2 0,1<br />
f ap (x)<br />
w 1 0,4<br />
1<br />
Abbildung 1: Netzwerktopologie<br />
2