- Von den ersten Modellen bis zum Backpropagation-Netz



Allgemeinverständliche Erläuterungen mit vielen Praxis und Anwendungsbeispielen



Zahlreiche Programme zum Ausprobieren, Ausführen und Trainieren Neuronaler Netze mit Beispieldaten



Für Programmierer: Vollständige Programmierung eines BackpropagationNetzes zur Passworterkennung (in Java)



Dieses Buch ist eine grundlegende Einführung in die Entwicklung und Funktionsweise Neuronaler Netze. Sie lernen verschiedene Modelle kennen sowie alle Elemente, die für die Funktionalität Neuronaler Netze von Bedeutung sind. So werden Sie im Detail verstehen, wie diese arbeiten.

Praxisansatz des Buches:



Alle vorgestellten Netze werden beispielhaft anschaulich durchgerechnet. So können Sie nachvollziehen, wie ein Neuronales Netz funktioniert und arbeitet.



Außerdem liefert der Autor zusätzlich zum Buch selbst erstellte Programme, mit denen Sie am PC experimentieren können, indem Sie Beispieldaten eingeben und die jeweiligen Eigenschaften der unterschiedlichen Netze praktisch ausprobieren sowie diese trainieren und ausführen können.



Kaffka beschreibt zunächst die frühesten Modelle Neuronaler Netze sowie die Hebbsche Formel und das von Rosenblatt entwickelte Modell des Perzeptrons. Daraufhin geht er auf die Mustererkennung mit einem Hopfield-Netz ein und erläutert die Grundlagen eines einfachen und eines bidirektionalen Assoziativspeichers.

Schließlich behandelt Kaffka das aktuelle Modell des Backpropagation-Netzes. Sie lernen im Detail, wie ein solches Neuronales Netz funktioniert - von der Netztopologie über die Transferfunktion bis zur Lernformel zum Trainieren eines Netzes.

Darauf aufbauend stellt der Autor verschiedene Beispiele und Anwendungen für Neuronale Netze vor. Hier diskutiert er zusätzlich, wie diese im Rahmen der Regressionsanalyse eingesetzt werden können. Zudem wird gezeigt, dass Neuronale Netze auch drei- oder mehrdimensionale Funktionen erlernen können.

Ein Ausblick zu Expertensystemen im Vergleich zu Neuronalen Netzen rundet die Einführung ab.



Zusatznutzen für Programmierer:



Programmierer, die selber ein neuronales Netz programmieren wollen, finden ein ausführliches Kapitel, in dem ein BackpropagationNetz vollständig in Java programmiert wird.



Für Programmierer wird der JavaCode aller im Buch verwendeten Programme erläutert.



Downloads zum Buch:



Alle Programme der im Buch beschriebenen Neuronalen Netze zum Ausprobieren



Für Programmierer: Der Quellcode eines vollständigen BackpropagationNetzes sowie aller im Buch verwendeten Programme



Aus dem Inhalt:



Historische Ansätze:



Hebbsche Formel, Perzeptron, Hopfield-Netz



Neuronale Netze mit der BackpropagationTechnologie



Gewichtsmatrix, Training und Lernkurve



Muster/Bilderkennung



Bidirektionaler Assoziativspeicher



Netztopologie mit bis zu 3 Schichten



Regressionsanalyse



Mehrdimensionale Funktionen



Expertensysteme



Vollständige Programmierung eines BackpropagationNetzes zur Passworterkennung