Neuronale Netze

Neuronale Netze sind nichtlineare, anspruchsvolle Modellierungstechniken, die in der Lage sind, komplexe Funktionen zu modellieren. Sie können auf Probleme der Vorhersage, Klassifizierung oder Kontrolle in einem breiten Spektrum von Bereichen wie Finanzen, Kognitionspsychologie/Neuroswissenschaften, Medizin, Technik und Physik angewendet werden.

Neuronale Netze werden verwendet, wenn die genaue Art der Beziehung zwischen Eingaben und Ausgaben nicht bekannt ist. Ein wesentliches Merkmal neuronaler Netze ist, dass sie durch Training den Zusammenhang zwischen Inputs und Outputs lernen. Es gibt drei Arten von Training, die von verschiedenen neuronalen Netzen verwendet werden: überwachtes und unüberwachtes Training und Verstärkungslernen, wobei das überwachte Training das häufigste ist.

Einige Beispiele für Trainingstechniken für neuronale Netze sind Backpropagation, schnelle Ausbreitung, konjugierter Gradientenabstieg, Projektionsoperator, Delta-Bar-Delta etc. Einige unbeaufsichtigte Netzwerkarchitekturen sind mehrschichtige Wahrnehmungen, Kohonen-Netze, Hopfield-Netze usw.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.