neuronale netze von kay-patrick wittbold. bestandteile
TRANSCRIPT
![Page 1: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/1.jpg)
Neuronale Netze
Von Kay-Patrick Wittbold
![Page 2: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/2.jpg)
BESTANDTEILE
![Page 3: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/3.jpg)
Natürliches Neuron
• Zellkörper bis 0,25mm Größe• Bilden Ausläufer mit dicken Enden, die sogenannten
Synapsen• Dendriten: Eingangssignal• Axone: Ausgangssignal• Synapsen sorgen für die Weiterleitung von Reizen• Arbeitet mit Ionen zur Steuerung des Signals
(Schwellenwert muss überschritten werden damit Neuron „feuert“)
• Im Gehirn zwischen 100 Milliarden und 1 Billionen
![Page 4: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/4.jpg)
![Page 5: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/5.jpg)
100µm
![Page 6: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/6.jpg)
![Page 7: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/7.jpg)
Künstliches Neuron
• Eingabevektor x• Gewichtsvektor w• Aktivierungsfunktion gibt an wie sich ein
neuer Aktivierungszustand aus Eingabe, Netzeingabe und Schwellenwert ergibt
• Ausgabefunktion bestimmt aus der Aktivierung die Ausgabe des Neurons
• In künstlichen Neuronalen Netzen zwischen 10² und 104
![Page 8: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/8.jpg)
![Page 9: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/9.jpg)
Gewichtung
• wij=0 bedeutet keine Verbindung von Neuron i zu Neuron j
• wij<0 bedeutet hemmende Verbindung von Neuron i zu Neuron j
• wij>0 bedeutet anregende Verbindung von Neuron i zu Neuron j
![Page 10: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/10.jpg)
Schwellenwert
• S-förmige Funktionen (Sigmoide Funktionen)• Häufig verwendet:
• Aber auch binäre Schwellenwertfunktion
xe11 )tanh(x
![Page 11: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/11.jpg)
NEURONALE NETZE
![Page 12: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/12.jpg)
Künstliche Neuronale Netze (KNN)
• Besteht aus künstlichen Neuronen• Verbindungsnetzwerk der Zellen (gerichteter,
gewichteter Graph)• Propagierungsfunktion: gewichtete Summe
der Ausgaben der Vorgängerzelle• Lernregel: Algorithmus, nach dem das Netz
lernt, für eine vorgegebene Eingabe eine gewünschte Ausgabe zu produzieren
![Page 13: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/13.jpg)
Exkurs Graphentheorie
![Page 14: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/14.jpg)
Gerichteter Graph
![Page 15: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/15.jpg)
Gewichteter Graph
![Page 16: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/16.jpg)
Gerichteter, gewichteter Graph
![Page 17: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/17.jpg)
Künstliches Neuronales Netz
• Gerichteter, gewichteter Graph mit Neuronen als Knoten, Verbindungen als Kanten
• Neuronen haben beliebig viele Verbindungen untereinander
• Neuronen können nur eine Ausgabe senden, beliebig viele Eingaben erhalten
![Page 18: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/18.jpg)
Arten Neuronaler Netze
• Netze ohne Rückkopplung– Ebenenweise verbunden– Allgemein
• Netze mit Rückkopplung– Direkte Rückkopplung– Indirekte– Rückkopplung innerhalb einer Schicht– Vollständig verbundene
![Page 19: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/19.jpg)
Abstraktes Beispiel
![Page 20: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/20.jpg)
Abstraktes Beispiel1 2 3 4 5 6 7
1 -0,8 0,3
2 0,1 0,7 0,2
3 -0,3
4 -0,4
5 0,5
6 0,6
7
![Page 21: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/21.jpg)
Konkretes Beispiel AND
![Page 22: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/22.jpg)
Konkretes Beispiel AND
• Eingabe: binär (1 oder 0)• Gewichtungsvektor (1,1)• Schwellenwert 2• Ausgabe: 1, falls
Eingabe1*Gewichtung1+Eingabe2*Gewichtung2 >=2; sonst 0
![Page 23: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/23.jpg)
Konkretes Beispiel OR
![Page 24: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/24.jpg)
Konkretes Beispiel OR
• Eingabe: binär (1 oder 0)• Gewichtungsvektor (1,1)• Schwellenwert 1• Ausgabe: 1, falls
Eingabe1*Gewichtung1+Eingabe2*Gewichtung2 >=1; sonst 0
![Page 25: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/25.jpg)
Modellierung des Lernens
• Entwicklung neuer Verbindungen • Löschen existierender Verbindungen • Modifikation der Verbindungsstärke
(Veränderung der Gewichte) • Modifikation des Schwellenwertes • Modifikation der Aktivierungs- bzw.
Ausgabefunktion • Entwicklung neuer Zellen • Löschen bestehender Zellen
![Page 26: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/26.jpg)
Modellierung des Lernens
• Überwachtes Lernen (Backpropagation)• Bestärkendes Lernen• Unüberwachtes Lernen
![Page 27: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/27.jpg)
Nachteile Neuronaler Netze
• Training• Trainingsdaten• Vermeidung von auswendig lernen von Daten• Präsentation der Trainingsdaten muss
problemangepasst sein
![Page 28: Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE](https://reader035.vdocuments.site/reader035/viewer/2022081502/55204d6449795902118b9549/html5/thumbnails/28.jpg)
Quellen
• http://wwwmath.uni-muenster.de/num/Vorlesungen/MedizinUndMathematik/
• http://de.wikipedia.org/w/index.php?title=Datei:PLoSBiol4.e126.Fig6fNeuron.jpg&filetimestamp=20080131213023
• http://www.greenspine.ca/en/mGFP_neuron2.html
• http://de.wikipedia.org/wiki/Datei:ArtificialNeuronModel_deutsch.png