Neuronale Netze
Eine Einführung
  • Grundlagen
  • Lernregeln
  • Netztypen
  • Eigenschaften
  • Anwendungen
  • Sonstiges
  • Einleitung
  • Units
  • Verbindungen
  • Input
  • Aktivität
  • Training und Test
  • Matrizendarstellung
  • Zfs.
    GrundlagenLayout elementVerbindungen
    Seite 4/63
    UnitsUnits
      InputInput

    Verbindungen zwischen Units

    Darstellung der Verbindungen durch Gewichte

    Units sind miteinander durch Kanten verbunden. Die Stärke der Verbindung zwischen zwei Neuronen wird durch ein Gewicht ausgedrückt. Je größer der Absolutbetrag des Gewichtes ist, desto größer ist der Einfluss einer Unit auf eine andere Unit.

    • Ein positives Gewicht bringt zum Ausdruck, dass ein Neuron auf ein anderes Neuron einen exzitatorischen, erregenden Einfluss ausübt.
    • Ein negatives Gewicht bedeutet, dass der Einfluss inhibitorisch, also hemmender Natur ist.
    • Ein Gewicht von Null besagt, dass ein Neuron auf ein anderes Neuron derzeit keinen Einfluss ausübt.

    Definition: Wissen und Lernen

    Das Wissen eines neuronalen Netzes ist in seinen Gewichten gespeichert.

    Lernen wird bei neuronalen Netzen zumeist als Gewichtsveränderungen zwischen den Einheiten definiert. Wie die Gewichtsveränderung genau erfolgt ist abhängig von der verwendeten Lernregel.

    UnitsUnits
      InputInput

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

    • Impressum
    • Druckversion
    • Sachverzeichnis
    • Links