Neuronale Netze
Eine Einführung
  • Grundlagen
  • Lernregeln
  • Netztypen
  • Eigenschaften
  • Anwendungen
  • Sonstiges
  • Pattern Associator
  • Rekurrente Netze
  • Kompetitive Netze
  • Kohonennetze
  • Zusammenfassung
  • Simple Recurrent Networks
  • Anwendungen von rekurrenten Netzen
  • Attraktorennetze
  • Eigenschaften von Attraktorennetzen
NetztypenLayout elementRekurrente NetzeLayout elementEigenschaften von Attraktorennetzen
Seite 27/63
AttraktorennetzeAttraktorennetze
  Kompetitive NetzeKompetitive Netze

Rekurrente Netze

Eigenschaften von Attraktorennetzen

Eigenschaften von Attraktorennetzen

Folgende Eigenschaften machen Attraktorennetze nützlich für die Simulation von kognitiven Prozessen:

  • Simulation von Latenzzeiten: Die Reaktionszeit eines Attraktorennetzes kann durch die Anzahl an Zyklen operationalisiert werden, die erforderlich sind, um zu einem stabilen Zustand zu gelangen. Die Zeit ist dabei abhängig von der Gestalt der Schale und der Position innerhalb des Beckens, wo der Anfangsinput ursprünglich "landete".
  • Resistenz gegenüber fehlerhaften Input: Im Attraktionsbassin ist die exakte Position eines Inputs bezüglich des Erreichens eines Attraktors nicht ausschlaggebend.
  • Lernen arbiträrer Abbildungen: Dies ist vermutlich die wichtigste Eigenschaft von Attraktorennetzen, da viele kognitive Aufgaben aber auch statistische Auswertungen (z. B. die Diskriminanzanalyse) solche willkürlichen Abbildungen (mappings) betreffen. Das Netz kann beliebige Trennlinien zwischen Attraktorenbassins erlernen. Das Erlernen von arbiträren Abbildungen - man könnte auch sagen: das Clustern eines Inputraumes - wird auch von Kompetitiven Netzen und Kohonennetzen vorgenommen.
AttraktorennetzeAttraktorennetze
  Kompetitive NetzeKompetitive Netze

Anregungen, Fragen und Fehler an: Mailadresse: 'mail at neuronalesnetz.de'

  • Impressum
  • Druckversion
  • Sachverzeichnis
  • Links