Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Simon Wehner Fachbereich Physik Nanowissenschaften Dozent: Prof. Dr. Buck Sommersemester 2010.

Ähnliche Präsentationen


Präsentation zum Thema: "Simon Wehner Fachbereich Physik Nanowissenschaften Dozent: Prof. Dr. Buck Sommersemester 2010."—  Präsentation transkript:

1 Simon Wehner Fachbereich Physik Nanowissenschaften Dozent: Prof. Dr. Buck Sommersemester 2010

2 0. Gliederung 1. Kurzbiographie Steinbuch 2. Einleitung 3. Die Lernmatrix 3.1 Matrixelemente 3.2 Neuronenschicht 3.3 Schichtung 4. Lernalgorithmus 5. Kann-Phase 6. Rückkopplung 2

3 1. Kurzbiographie Steinbuch Karl Steinbuch geb. am 15. Juni 1917 in Stuttgart war deutscher Kybernetiker, Nachrichtentechniker und Informationstheoretiker Pionier der künstlichen neuronalen Netze Mitbegründer der künstlichen Intelligenz 3

4 1. Kurzbiographie Steinbuch war langjähriger Direktor der Technischen Hochschule Karlsruhe die Ausprägung des Begriffs Informatik geht auf Steinbuch zurück (1957) gest. am 4. Juni 2005 in Ettlingen 4

5 2. Einleitung künstliche neuronale Netze (KNN) werden weltweit erforscht, entwickelt und eingesetzt die ersten brauchbaren KNN erfand und beschrieb Steinbuch in der Zeitschrift Kybernetik unter dem Titel Die Lernmatrix (1961) allerdings bekam Steinbuchs Lernmatrix zunächst wenig Beachtung 5

6 2. Einleitung Blütezeit der künstlichen neuronalen Netze: : Verdikt von Minsky und Papert Ruhephase1969 – 1985 Renaissance heute 6

7 3. Die Lernmatrix im heutigen Sprachgebrauch würde sie wohl Das adaptive künstliche neuronale Netzwerk heißen elektronisches System zur parallelen Verarbeitung analoger oder digitaler Datenmengen Vorbild: biologische Systeme (natürliche neuronale Netze) mit diesem System werden die Begrenzungen überwunden, die einem Vorgängermodell (Perceptron nach Rosenblatt) noch anhafteten 7

8 3. Die Lernmatrix originale Darstellung der Lernmatrix nach Steinbuch Kreisförmige Elemente an Kreuzungspunkten elektronisches Auge wandelt Gestalten in el. Signale um (Eigenschaften) Ausgangssignale werden nach links abgegeben (Bedeutungen) Satz von Eigenschaften führt zu Satz von Bedeutungen Prinzip der Lernmatrix 8

9 3. Die Lernmatrix 3.1 Matrixelemente neu an Steinbuchs Lernmatrix: als Matrixelemente werden nicht nur Dioden mit der bekannten Kennlinie zugelassen, sondern auch Elemente mit ganz anderen Kennlinien d.h., dass sich die Ausgangssignale aus einer Summe von Strömen ergeben, wobei jeder Strom aus dem Eingangssignal e und dem zugehörigen Matrixelement besteht realisiert werden die Matrixelemente durch veränderbare Leitwerte 9

10 3. Die Lernmatrix 3.1 Matrixelemente a: Realisierung der Matrixelemente durch veränderbare Leitwerte b: einige Kennlinien: α: lineare Widerstände β: Elemente mit abgerundetem Treppenstufenverlauf γ: Elemente mit Treppenstufen- charakteristik 10

11 3. Die Lernmatrix 3.1 Matrixelemente (nichtlineare) Leitwerte befinden sich am Eingang und sind individuell einstellbar jede Zeile der Matrix wird zusammengefasst zu einem Neuron vom Neuron geht es direkt zum Ausgang b modernere Darstellung neuronaler Netze 11

12 3. Die Lernmatrix 3.2 als Neuronenschicht Darstellung der Lernmatrix als Neuronenschicht 12

13 3. Lernmatrix 3.3 Schichtung Grundidee: die Bedeutungen dienen als neue Eigenschaften die neuen Eigenschaften werden jeder Zeile einer neuen Matrix zugeführt erhalten neuen Satz an Bedeutungen diese können wiederum als neue Eigenschaften interpretiert werden usw. 13

14 3. Die Lernmatrix 3.3 Schichtung Schichtung von Lernmatrizen Neuronendarstellung 14

15 4. Der Lernalgorithmus dem System werden Eigenschaften e und Bedeutungen b zugeführt Matrixelemente werden in ihren Werten verändert nach einer Vielzahl solcher Lernvorgänge ergibt sich eine ausreichende Veränderung der Matrixelemente, damit jedem Eigenschaftssatz die jeweilige Bedeutung ausgegeben wird komplementären Eigenschaftssignale e und ē repräsentieren fördernde und hemmende Einflüsse 15

16 4. Der Lernalgorithmus erster Nutzen und Anwendung: mit ausreichendem Arbeitsaufwand ließen sich die vorgeschlagenen Systeme in Hardware realisieren das war vor allen Dingen ein Vorteil, wenn man bedenkt, dass es die heutzutage allseits gegenwärtigen Computer noch nicht gab 16

17 5. Die Kann-Phase nach Abschluss der Lernphase ist das Steinbuch´sche System einsatzbereit System befindet sich in der Kann-Phase Lernmatrix Bedeutungsmatrix (reine Begriffsunterscheidung) Matrizen haben die nicht nur Fähigkeit, erlernte Muster wiederzuerkennen, sondern sie erkennen, wenn ähnliche Muster auftauchen Forschung bis heute 17

18 5. Die Kann-Phase Prinzip der Bedeutungsmatrix 18

19 6. Rückkopplung Untersuchung des Verhaltens des Systems, wenn der Ausgang wieder mit dem Eingang verbunden wird Neuronenschicht mit Rückkopplung 19

20 6. Rückkopplung rückgekoppelte Schaltung hat wieder Ein- und Ausgänge rückgekoppelte Schaltung in Matrixform 20

21 6. Rückkopplung Anwendung: selbstprüfendes und selbstreparierendes System zusätzliche Information über den Zustand des Systems wird gespeichert 21 selbstprüfendes und selbstreparierendes System

22 Literatur Hilberg, Wolfgang (1995). Karl Steinbuch, ein zu Unrecht vergessener Pionier der künstlichen neuronalen Systeme Künstliches neuronales Netz, Online unter: z. Stand: Karl Steinbuch, Online unter: Stand: Karl Steinbuch, Online unter: kl.de/papers/publications/karl-steinbuch.html. Stand: Stand:

23 Vielen Dank für die Aufmerksamkeit 23


Herunterladen ppt "Simon Wehner Fachbereich Physik Nanowissenschaften Dozent: Prof. Dr. Buck Sommersemester 2010."

Ähnliche Präsentationen


Google-Anzeigen