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.
2 Einleitung<br />
a3<br />
a4<br />
a1<br />
a2<br />
Abbildung 1: Das Standardmodell der Neuroinformatik, ein gerichteter Graph<br />
aus Knoten und gerichteten Kanten. Jeder Knoten besitzt eine Aktivität a und<br />
eventuell Parameter, die in die Neuberechnung der Aktivität nach Gleichung (1)<br />
eingehen. Jede Kante besitzt eine Übertragungsstärke wqr, die ebenfalls in (1)<br />
eingeht.<br />
ten entsprechen den Nervenzellen, die Kanten den synaptischen Verbindungen. Jeder<br />
Knoten r besitzt eine bestimmte Aktivität ar, die er über seine Kanten mit der Stärke<br />
wqr an andere Knoten weitergibt. Auf diese Weise wird die zeitliche Folge der Aktivierungsmuster<br />
berechnet.<br />
Der Zustand eines Neuronalen Netzwerks aus N Knoten ist durch den Aktivitätsvektor<br />
a = (a1, . . ., aN) T der Knoten zum aktuellen Zeitpunkt gegeben. Zum Modell gehört<br />
außerdem eine Vorschrift A, die angibt, wie sich ein Zustand aus seinem Vorgänger<br />
berechnen lässt,<br />
w25<br />
a6<br />
w56<br />
A�: R N → R N : a(t) ↦→ a(t+1), (1)<br />
wobei t die diskretisierte Zeitvariable bezeichnet. Die Update-Regel (1) hängt <strong>von</strong> der<br />
Wahl der Netzwerkparameter θ ab, was durch den entsprechenden Index angedeutet<br />
ist. Zu den Parametern θ der Abbildung A�gehören natürlich die Verbindungsstärken<br />
wrq der Kanten, aber, je nach Modellbildung, noch weitere.<br />
Ein Neuronales Netz ist also ein mathematisches Modell aus drei Elementen, dem zugrundeliegenden<br />
gerichteten Graphen, den Aktivitäten a und der parameterabhängigen<br />
Abbildung A�,<br />
McCulloch & Pitts-Netzwerke<br />
NN := � G,a, A�� . (2)<br />
Das erste Modell für ein solches Netzwerk war dasjenige <strong>von</strong> McCulloch & Pitts (1943).<br />
Ein Knoten r ist dabei ein logisches Schwellwertelement mit zwei möglichen Zuständen<br />
(Ruhe- oder Aktivierungszustand, ar =0 oder 1). Es hat eine Reihe <strong>von</strong> Eingangsleitungen<br />
(afferente Verbindungen) und eine Ausgangsleitung (efferentes Axon), die verschiedene<br />
nachgeschaltete Knoten kontaktieren kann. In jedem Rechenschritt ergibt<br />
sich sein Zustand aus dem Vergleich der anliegenden Aktivitäten mit einem Schwellenwert<br />
sr,<br />
a5