Habitat-Modelle in der Wildökologie - Université de Lausanne

Modellansätze 50gabemuster dem gewünschten Ausgabemuster zugeordnet wird. Im Recall Moduswerden die trainierten ANN mit Mustern gefüttert, die sie noch nicht gelernthaben. Die Qualität der Ausgabe wird durch Dauer und Intensität der vorangegangenenLernphase bestimmt.Es gibt nicht das ANN schlechthin, sondern verschiedenste Typen neuronalerNetzwerke, die für unterschiedliche Problemstellungen geeignet sind (Steuerung,Optimierung, Verallgemeinerung, Vorhersage u.a.m.). Sie unterscheiden sich inmehrfacher Hinsicht: Anzahl der Schichten, Art des Lernens (Lernregeln), feedforward (Signale werden nur "vorwärts" weitergereicht) bzw. feed back, Verarbeitungbinärer oder stetiger Daten. Die Wahl des Netzwerk-Types hängt also vonder Natur des Problems ab.ANNs werden als leistungsstarkes Modellierungs-Werkzeug beschrieben, speziellwenn die den Ein- und Ausgabedaten zugrunde liegende Beziehung unbekanntist (Lek und Guégan, 1999). Sie sind also bestens für die Analyse komlexer,nichtlinearer Zusammenhänge zwischen ungenauen und noisy Daten geeignet,was in der Ökologie meistens der Fall ist.Momentan erfreuen sich 2 ANNs großer Beliebtheit: Backpropagation-Netzwer-(Lek und Guégan, 1999; Lek-Ang et al., 1999)Abbildung 5.6: BackPropagation Network und Kohonen SOMke (BPN) und (Kohonen-)-Selbstorganisierende ’Karten’ (SOM) (siehe Abb. 5.6links bzw. rechts). BPN sind drei- oder mehrschichtige feed-forward Netze, dieinneren Schichten sind versteckt. Information fließt unidirektional von der Einga-