Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE.

Ähnliche Präsentationen


Präsentation zum Thema: "Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE."—  Präsentation transkript:

1 Neuronale Netze Von Kay-Patrick Wittbold

2 BESTANDTEILE

3 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

4

5 100µm

6

7 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 10 4

8

9 Gewichtung w ij =0 bedeutet keine Verbindung von Neuron i zu Neuron j w ij <0 bedeutet hemmende Verbindung von Neuron i zu Neuron j w ij >0 bedeutet anregende Verbindung von Neuron i zu Neuron j

10 Schwellenwert S-förmige Funktionen (Sigmoide Funktionen) Häufig verwendet: Aber auch binäre Schwellenwertfunktion

11 NEURONALE NETZE

12 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

13 Exkurs Graphentheorie

14 Gerichteter Graph

15 Gewichteter Graph

16 Gerichteter, gewichteter Graph

17 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

18 Arten Neuronaler Netze Netze ohne Rückkopplung – Ebenenweise verbunden – Allgemein Netze mit Rückkopplung – Direkte Rückkopplung – Indirekte – Rückkopplung innerhalb einer Schicht – Vollständig verbundene

19 Abstraktes Beispiel

20 ,80,3 20,10,70,2 3-0,3 4-0,4 50,5 60,6 7

21 Konkretes Beispiel AND

22 Eingabe: binär (1 oder 0) Gewichtungsvektor (1,1) Schwellenwert 2 Ausgabe: 1, falls Eingabe1*Gewichtung1+Eingabe2*Gewichtun g2 >=2; sonst 0

23 Konkretes Beispiel OR

24 Eingabe: binär (1 oder 0) Gewichtungsvektor (1,1) Schwellenwert 1 Ausgabe: 1, falls Eingabe1*Gewichtung1+Eingabe2*Gewichtun g2 >=1; sonst 0

25 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

26 Modellierung des Lernens Überwachtes Lernen (Backpropagation) Bestärkendes Lernen Unüberwachtes Lernen

27 Nachteile Neuronaler Netze Training Trainingsdaten Vermeidung von auswendig lernen von Daten Präsentation der Trainingsdaten muss problemangepasst sein

28 Quellen muenster.de/num/Vorlesungen/MedizinUndMat hematik/ muenster.de/num/Vorlesungen/MedizinUndMat hematik/ PLoSBiol4.e126.Fig6fNeuron.jpg&filetimestamp= PLoSBiol4.e126.Fig6fNeuron.jpg&filetimestamp= ml ml nModel_deutsch.png nModel_deutsch.png


Herunterladen ppt "Neuronale Netze Von Kay-Patrick Wittbold. BESTANDTEILE."

Ähnliche Präsentationen


Google-Anzeigen