Habitat-Modelle in der Wildökologie - Université de Lausanne

Modellansätze 49schine weiter und präsentiert die Lösungsvorschläge.Die Erklärungskomponente soll Lösungswege analysieren und Entscheidungenbegründen (wie wurde eine Lösung gefunden). Die Wissenserwerbekomponenteschließlich, bietet die Möglichkeit, neues Wissen in die Wissensbasis aufzunehmenund diese auf Konsistenz und Vollsändigkeit zu Überprüfen.5.9 (Künstliche) Neuronale Netzwerke (ANN)ANNs (Artificial Neural Networks) sind intelligente Maschinen: Sie bilden im Wesentlichenden tierischen bzw. menschlichen Gehirnkomplex und damit "Denkvorgänge"nach. In einem Lernprozeß werden die nötigen "Erfahrungen" gesammelt,die später auf neue Probleme angewandt werden.In Anlehnung an Anatomie und Physiologie des menschlichen Gehirns setzt sichein ANN aus einer mehr oder minder großen Anzahl von Neuronen zusammen(Sauer, 1999). Neuronen, auch Verarbeitungseinheiten genannt, sind (einfache)Prozessoren, die entweder als Hardware (auf Beschleunigerkarten) oder als Softwaresimulationenimplementiert sind. Diese Einheiten sind untereinander (mehrfach)verbunden und in Schichten organisiert: Eingabeschicht, (k)eine oder mehrere(verborgene) Zwischenschichten (hidden layer bestehen aus Einheiten, dievon außen nicht beeinflußt werden können) und Ausgabeschicht. Die einzelnenSchichten bestehen aus einer unterschiedlichen Anzahl meist gleichartiger Verarbeitungseinheiten.Jedes Element der Eingabeschicht ist (indirekt) mit jedemElement der Ausgabeschicht verbunden.Die Informationsverarbeitung erfolgt durch Ignorieren, Verstärken oder Abschwächenvon Signalen. Ein Neuron nimmt über "Dendriten" Signale auf (siehe Abb.5.6 A processing element). Falls die Summe der eingehenden Signale einen bestimmtenWert überschreitet, wird das Signal weiterverarbeitet (Aktivierungsfunktion)und (an den "Synapsen") entsprechend verstärkt oder gedämpft weitergeleitet.Neuronale Netzwerke machen nichts anderes, als verschiedene Eingabemusterbestimmten Ausgabemustern zuzuordnen. Zusammenhänge zwischen Ein- undAusgabe werden als Gewichte dargestellt.Ein ANN kennt 2 Modi: einen Lernmodus (Trainingsphase) und einen Ausführungsmodus(Recall Modus). Während der Trainingsphase werden die Gewichte– bestimmten Lernregeln folgend – so lange verändert, bis ein bestimmtes Ein-