21.12.2012 Aufrufe

Diplomarbeit von Michael Schindler

Diplomarbeit von Michael Schindler

Diplomarbeit von Michael Schindler

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Inhaltsverzeichnis<br />

Einleitung 1<br />

E.1 Neuronale Netze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1<br />

E.2 Lernende Neuronale Netze . . . . . . . . . . . . . . . . . . . . . . . . . 3<br />

E.3 Wie lernen Neuronale Netze in veränderlichen Umwelten? . . . . . . . . 7<br />

E.4 Gliederung der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 12<br />

1 Grundlagen 13<br />

1.1 Dichteschätzung mit einer Mischung multivariater Normalverteilungen . 14<br />

1.1.1 Der multivar-Algorithmus . . . . . . . . . . . . . . . . . . . . . 20<br />

1.1.2 Clustereinteilung und σ-Annealing: Der univar-Algorithmus . . 23<br />

1.2 Neuronale Interpretation <strong>von</strong> multivar . . . . . . . . . . . . . . . . . . 28<br />

1.2.1 Die Aktivität eines Neurons . . . . . . . . . . . . . . . . . . . . 29<br />

1.2.2 Der Merkmalsraum . . . . . . . . . . . . . . . . . . . . . . . . . 31<br />

1.2.3 Kompetition durch Aktivitätsnormierung . . . . . . . . . . . . . 34<br />

1.2.4 Hebb’sches Lernen . . . . . . . . . . . . . . . . . . . . . . . . . 36<br />

1.2.5 Kortikale Merkmalskarten . . . . . . . . . . . . . . . . . . . . . 37<br />

1.2.6 Dimensionsreduktion . . . . . . . . . . . . . . . . . . . . . . . . 40<br />

2 On-line Lernen mit univar 41<br />

2.1 Die Kopplung <strong>von</strong> Lern- und Systemdynamik . . . . . . . . . . . . . . 42<br />

2.1.1 Die Dynamik des univar-Lerners . . . . . . . . . . . . . . . . . 42<br />

2.1.2 Die Systemdynamik . . . . . . . . . . . . . . . . . . . . . . . . . 45<br />

2.1.3 Phasenübergänge durch σ-Annealing . . . . . . . . . . . . . . . 46<br />

2.1.4 Phasenübergänge durch ε-Annealing . . . . . . . . . . . . . . . 51<br />

2.1.5 Effektive Relaxationszeiten . . . . . . . . . . . . . . . . . . . . . 52<br />

2.1.6 Phasendiagramme für on-line Lernen . . . . . . . . . . . . . . . 56<br />

2.2 Analytische Behandlung <strong>von</strong> prototypischen Spezialfällen . . . . . . . . 57<br />

2.2.1 Drei analytisch lösbare Spezialfälle . . . . . . . . . . . . . . . . 57<br />

2.2.2 Korrektur durch Diskretisierungseffekte . . . . . . . . . . . . . . 63<br />

2.2.3 Berücksichtigung unterschiedlicher Gewichte der Datenquellen . 65<br />

2.2.4 Verhalten bei nichtdeterministischem Schalten . . . . . . . . . . 66<br />

2.3 Diskussion: Gegenseitige Abhängigkeit <strong>von</strong> Zeit- und Raumskalen . . . 66

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!