Diplomarbeit von Michael Schindler
Diplomarbeit von Michael Schindler
Diplomarbeit von Michael Schindler
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
E.3 Wie lernen Neuronale Netze in veränderlichen Umwelten? 11<br />
werkparametern. An diesen Aufspaltungen lässt sich das Problem der on-line Mittelung<br />
sehr gut demonstrieren.<br />
(x(t))sel<br />
w(t)<br />
0 T<br />
Abbildung 7: Der Lernprozess aus Abbildung 6b, angewandt auf abgekürzte Datenfolgen.<br />
Gezeigt sind die selektierten Daten (x(t))sel, die gelernt werden, und<br />
der Parameter w(t) als Funktion der Zeit.<br />
Datenpunkte ignorieren<br />
Die Idee, die zur Lösung des on-line Problems führt, ist denkbar einfach. In Abb. 6b<br />
wird deutlich, dass das Problem der on-line Mittelung auf – im Vergleich zur Dauer<br />
des Gedächtnisses des ANN – zu lange Verweildauern des Systems in einem Zustand<br />
zurückzuführen ist. Die gelernten Daten sind eine Weile lang quasistationär. Man<br />
kann das verhindern, indem man den Lernprozess abbricht, sobald die Daten redundant<br />
werden. Dazu ist notwendig, einen Filter für irrelevante Reizdaten einzuführen.<br />
Dieser kann aber nicht starr sein, denn ob Daten redundant sind, also für den Lernprozess<br />
irrelevant, kann nur am jeweiligen Zustand des Lerners selbst festgestellt werden.<br />
Der Filter muss sich also selbst zusammen mit den Netzwerkparametern adaptiv an<br />
die präsentierten Daten anpassen. Wie ich in meiner <strong>Diplomarbeit</strong> zeigen möchte,<br />
kann ein solches Modell für einen selbstreferentiellen Selektionsprozess aus einem einfachen<br />
Verhaltensmuster der Meeresschnecke Aplysia californica 1 abgeleitet werden.<br />
Dieses einfache Lebewesen ignoriert nach einer Weile Reizungen am Kiemen, wenn sie<br />
häufig wiederholt werden (Habituation). Wenn sich die Reizumgebung jedoch schnell<br />
verändert, beispielsweise durch einen zusätzlichen Schlag auf den Kopf oder Schwanz<br />
der Aplysia, wird die Habituation sofort wieder aufgehoben (Sensitivierung).<br />
Wenn wir dieses Verhaltensmuster auf das einfache Beispiel in Abb. 6b übertragen, so<br />
erhalten wir, ähnlich wie in Abbildung 7, eine Abkürzung der gelernten Datensequenzen.<br />
Durch ein noch zu spezifizierendes Kriterium soll der Lernprozess unterbrochen<br />
werden, wenn das Verhalten der Datensequenz stagniert. Falls es gelingt, ein solches<br />
Kriterium anzugeben, so erwarten wir das in Abb. 7 skizzierte Ergebnis. Wie<br />
gewünscht, entfernt sich der Parameter w auch bei kurzer Gedächtnisdauer nicht mehr<br />
weit <strong>von</strong> seinem Optimalwert. Wie ein solches Abbruchkriterium formuliert werden<br />
1 Das Nervensystem der Aplysia ist eines der am besten untersuchten im Tierreich. Für die weitgehende<br />
Aufklärung seiner Bestandteile und Funktionsweise wurde im Jahr 2000 der Nobelpreis an<br />
Eric Kandel verliehen.