Neuronale Netze

Indexdkriesel.comThalamus . . . . . . . . . . . . . . . . . . . . . . . . . . 18Topologie . . . . . . . . . . . . . . . . . . . . . . . . . 149Topologiefunktion . . . . . . . . . . . . . . . . . 151Topologischer Defekt . . . . . . . . . . . . . . 156Trainingsmenge. . . . . . . . . . . . . . . . . . . . .52Trainingsmuster . . . . . . . . . . . . . . . . . . . . 55Menge der. . . . . . . . . . . . . . . . . . . . . .55Transferfunktion . . . . . . . . . . . . . . . . . sieheAktivierungsfunktionTruncus cerebri . . . . . . siehe HirnstammTwo Step Ahead Prediction. . . . . . . .189direct . . . . . . . . . . . . . . . . . . . . . . . . . 189UZZeitbegriff . . . . . . . . . . . . . . . . . . . . . . . . . . 35Zeithorizont . . . . . . . . . . . . . . . . . . . . . . . 200Zeitreihe . . . . . . . . . . . . . . . . . . . . . . . . . . 185Zeitreihenvorhersage. . . . . . . . . . . . . . .185Zentrales Nervensystem. . . . . . . . . . . . .16Zentrumeines RBF-Neurons. . . . . . . . . . . .104Abstand zu . . . . . . . . . . . . . . . . . 108eines ROLF-Neurons . . . . . . . . . . 178ZNS . . . . . siehe Zentrales NervensystemZustand . . . . . . . . . . . . . . . . . . . . . . . . . . . 199Zwischenhirn . . . . . . . . . . . . . . . . . . . . . . . 18Zylinderfunktion . . . . . . . . . . . . . . . . . . 153Umwelt . . . . . . . . . . . . . . . . . . . . . . . . . . . 198Unfolding in Time. . . . . . . . . . . . . . . . .126VVerbindung . . . . . . . . . . . . . . . . . . . . . . . . . 36Vollverknüpfung . . . . . . . . . . . . . . . . . . . . 41Voronoidiagramm . . . . . . . . . . . . . . . . . 141WWeight Decay . . . . . . . . . . . . . . . . . . . . . . 98Widrow-Hoff-Regel . . siehe Delta-RegelWinner-Takes-All-Schema . . . . . . . . . . 43234 D. Kriesel – Ein kleiner Überblick über Neuronale Netze (EPSILON-DE)