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.
Kapitel 1<br />
Grundlagen<br />
Das in dieser Arbeit verwendete multivar-Netzwerk (MVNN) ist aus zwei Schichten <strong>von</strong><br />
Knoten aufgebaut, ähnlich wie das Perzeptron aus Abb. 2, nur hat es mehr Netzwerkparameter<br />
und kompliziertere Lernregeln. Es dient der Verarbeitung hochdimensionaler<br />
Datensätze X ⊂ R d (d ≫ 1). Als Modell der biophysikalisch orientierten Neuroinformatik,<br />
welche die Phänomene der biologischen Reizverarbeitung zu verstehen versucht,<br />
zielt die Verwendung einer Struktur aus zwei Schichten auf die effektive Modellierung<br />
eines Eingabe-/Ausgabe-Verhaltens ab.<br />
Die Signale der biologischen Reizverarbeitung bestehen typischerweise aus vielen Teilsignalen,<br />
denn der sensorische Apparat, mit dem Lebewesen ihre Umwelt beobachten,<br />
ist aus vielen Sensoren aufgebaut, <strong>von</strong> denen jeder auf einen kleinen Teilaspekt seiner<br />
physikalischen Umgebung spezialisiert ist. Ein solches multisensorisches biologisches<br />
System ist beispielsweise die Retina, die aus etwa 10 8 lichtempfindlichen Stäbchen und<br />
Zapfen besteht. Ihre Erregungssignale werden <strong>von</strong> der Retina an den primären visuellen<br />
Kortex weitergeleitet. Wenn man die einzelnen Teilsignale in einem großen Vektor<br />
zusammenfasst, bekommt man so viele Einträge, wie es lichtempfindliche Zellen auf der<br />
Retina gibt. Diesen kann man als Datenvektor und als Punkt im 10 8 -dimensionalen<br />
Raum verstehen, in dem die biologische ” Datenverarbeitung“ stattfindet. Entsprechend<br />
kann man den zur visuellen Beobachtung einer bewegten Szene gehörenden Datenstrom<br />
als Trajektorie in diesem hochdimensionalen Raum auffassen.<br />
Biologische Reizverarbeitungssysteme sind aber nicht die einzigen Fälle, in denen hochdimensionale<br />
Datenströme verarbeitet werden müssen. Auch bei technischen Anwendungen<br />
ist man oft mit vielen Dimensionen konfrontiert. Ein Beispiel ist die Steuerung<br />
einer Anlage für Rückstandsverbrennung in einem Chemiewerk der Firma Wacker, die<br />
<strong>von</strong> Albrecht (1999) entwickelt wurde. Auch dort stammen die hochdimensionalen Daten<br />
<strong>von</strong> der Vielzahl der Sensoren, die den zeitlichen Verlauf <strong>von</strong> Druck, Temperatur,<br />
Zusammensetzung der Brennstoffe, ihre Fließgeschwindigkeit etc. anzeigen.<br />
Die Untersuchung solcher Datensätze ist schwierig. In zwei oder drei Dimensionen kann<br />
durch die Betrachtung einfacher Graphiken festgestellt werden, ob sie Strukturen oder<br />
Muster beinhalten. Bei höheren Dimensionen (d > 3) wird diese Methode der Datenanalyse<br />
unmöglich, da die Projektion in eine zweidimensionale Abbildung im allgemeinen<br />
die Datenstrukturen verbirgt. Es wird also nötig, den Datensatz mit mathemati-