Netztypen: Überblick

Neuronale Netze lassen sich nach unterschiedlichen Gesichtspunkten klassifizieren. Eine Möglichkeit verschiedene Netze voneinander zu unterscheiden sind die Lernregeln, die diese Netze verwenden. Dabei ist aber zumeist keine klare Zuordnung zwischen Netztyp und Lernregel möglich, da einige Netztypen auf dieselbe Lernregel zurückgreifen, während andere sich mit verschiedenen Lernregeln realisieren lassen.

Andere Aspekte der Klassifikation betreffen die Frage, ob:

• Hidden-Units vorhanden sind oder nicht
• die Trainingsphase supervised oder unsupervised learning ist
• Rückkopplungen von Neuronen zu anderen Neuronen derselben oder einer vorangegangenen Schicht existieren
• welchem Anwendungszweck ein Netz dient (z.B. Vorhersage, Klassifikation und Erkennen von Mustern, assoziative Speicherung von Informationen oder Optimierung)

Jedoch führen auch diese Aspekte zumeist nicht zu einer klaren Zuordnung zu verschiedenen Netztypen. Auf den kommenden Seiten werden folgende Netztypen vorgestellt:

• Pattern Associator
• Rekurrente Netze bzw. Simple Rekurrent Networks (SRNs)
• Kompetitive Netze
• Kohonennetze bzw. Selforganizing Maps (SOM's)