Neuronale Netze

dkriesel.com10.6 Anwendung10.6 Anwendung von SOMsSelf Organizing Maps und ihre Variationenhaben eine Vielzahl von Anwendungsgebietenin Bezug auf die biologisch inspirierteassoziative Speicherung von Daten.Beispielsweise ist es gelungen, auf einerSOM mit einer zweidimensionalen diskretenGittertopologie die verschiedenen Phonemeder Finnischen Sprache abzubildenund so Nachbarschaften zu finden (eineSOM macht ja nichts anderes, als Nachbarschaftsbeziehungenzu finden). Man versuchtalso wieder, einen hochdimensionalenRaum auf einen niederdimensionalenRaum (die Topologie) herabzubrechen,schaut, ob sich irgendwelche Strukturenherausbilden – und siehe da: Es bilden sichklar definierte Bereiche für die einzelnenPhoneme heraus.Teuvo Kohonen selbst hat sich dieMühe gemacht, eine Vielzahl von Papern,welche seine SOMs erwähnen, nachSchlüsselwörtern zu durchsuchen. In diesemgroßen Eingangsraum besetzen jetztdie einzelnen Paper einzelne Positionen, jenach Schlüsselwortvorkommen. Kohonenhat dann eine SOM mit G = 2 kreiert unddamit den von ihm erstellten hochdimensionalenPaper-Raum“ durch sie kartographieren”lassen.Gehirn-ähnlicher kontextbasierter Suchefunktioniert noch bei vielen anderenInputräumen.Festzuhalten ist, dass das System selbstfestlegt, was innerhalb der Topologie benachbart,also ähnlich ist – genau dasmacht es so interessant.An diesem Beispiel ist direkt ersichtlich,dass die Lage c der Neurone im Inputraumnicht aussagekräftig ist. Interessant ist esvielmehr, nun zu schauen, welches Neuronbei Eingabe eines bis jetzt unbekanntenInputmusters aktiv wird. Man kann alsnächstes schauen, bei welchen bisherigenEingaben genau dieses Neuron ebenfallsaktiv war – und hat sofort eine Gruppevon einander sehr ähnlichen Eingaben entdeckt.Je weiter nun Eingaben innerhalbder Topologie auseinander liegen, um soweniger Gemeinsamkeiten haben sie. DieTopologie bildet also quasi eine Karte derMerkmale der Eingaben – reduziert aufanschaulich wenige Dimensionen im Vergleichzur Inputdimension.Oftmals ist die Topologie einer SOM daherzweidimensional, da sie sich so sehr gutvisualisieren lässt, während der Eingaberaumsehr hochdimensional sein kann.SOM findetÄhnlichkeitenMan kann also ein Paper, an dem man Gefallenfindet, in die fertig trainierte SOMeingeben und schauen, welches Neuronin der SOM davon aktiviert wird. Wahrscheinlichwird man feststellen, dass manan den in der Topologie benachbarten Papernauch Gefallen findet. Diese Art von10.6.1 Mit SOMSs kann manZentren für RBF-NeuronefindenSOMs richten sich genau auf die Orte derausgehenden Eingaben aus – demzufolgeD. Kriesel – Ein kleiner Überblick über Neuronale Netze (EPSILON-DE) 161