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.
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