Neuronale Netze - Universität Regensburg

Weitere Magazine

Empfehlungen

Info

Aktivierungsfunktionen � beispielsweise Heaviside(Step), Signum, Identität, Arctan, Sigmoid (1/(1+e -x ))
Künstliche <strong>Neuronale</strong> <strong>Netze</strong> (ANNs) � Verschaltung von künstlichen Neuronen durch Graphen � Beliebige Komplexität möglich (� Gehirn) � Im allgemeinen entsteht rekurrentes Netzwerk (Graph hat Schleifen) � dynamische Struktur Σ -0.5 0.4 Σ Σ 0.2 1 Σ 0.6
Seite 1 und 2: Neuronale Netze - Grundlagen und An
Seite 3 und 4: Biologische Signalverarbeitung
Seite 5 und 6: Struktur eines Neurons � Neuron d
Seite 7 und 8: Biologische Neuronale Netze � Men
Seite 9: Künstliches Neuron fester Input wk
Seite 13 und 14: Biologische �� Künstlich
Seite 15 und 16: Perceptrons � einschichtige Netzw
Seite 17 und 18: Lineare Separabilität x 1 A A A A
Seite 19 und 20: Beispiele von Perceptrons � Model
Seite 21 und 22: Lernen als Optimierungsproblem �
Seite 23 und 24: Lernen mit Perceptrons Lineares Per
Seite 25 und 26: Multi-Layered Perceptrons (MLPs)
Seite 27 und 28: Lernen mit MLPs: Backpropagation
Seite 29 und 30: MLPs: Anwendungsbeispiele � Klass
Seite 31 und 32: RBF Architektur
Seite 33 und 34: Selbstorganisierende Merkmals-Karte
Seite 35 und 36: SOM Algorithmus visualisiert
Seite 37 und 38: SOM IR 2 �� IR 2
Seite 39 und 40: SOM Anwendungen � WEBSOM: SOM von
Seite 41 und 42: Referenzen � Homepage http://www.
Seite 43: Ende “If the brain were so simple

Neuronale Netze - Universität Regensburg

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?