|
Neuronale Netze
| Einfaches Modell der Gehirnstruktur |
Im "Neuronalen-Netz-Modell" besteht das Gehirn aus zwei verschiedenen Einheiten:
- Neuronen (Knoten) und
- Synapsen unterschiedlicher Stärke(gewichtete Kanten).
Durch die topologische Struktur dieses Graphen ist das gelernte Wissen eines Gehirns repräsentiert.
Grundidee eines neuronalen Netzes
→ Neuronale Netze (Einführung in die Theorie neuronaler Netze)
| Lernen im neuronalen Netz |
Lernvorgänge
- sind Zustandsänderungen
- die durch äußere Reize angestoßen werden.
In einem Lernmodell zu den neuronalen Netzen feuern mehrere durch Reize angesprochene Neuronen gleichzeitig. Dies führt zum Erzeugen oder zur Stärkung der Verbindung:
Lernvorgang: Aktivierung zweier Neuronen und Stärkung der Verbindung
Lernvorgang: Aktivierung mehrerer Neuronen und Erweitern des Netzes
Die Information steckt in der wechselseitigen Abhängigkeit der Neuronen über die gewichteten Kanten. Werden in einer bestimmten Situation einige Neuronenn aktiviert, die über starke gewichtete Kanten zusammenhängen, so können weitere Neuronen aktiviert werden:
Abrufen von Information: mit zwei Neuronen schwingt das dritte mit
Die Gewichtung der Kanten ist von der Zeit abhängig. Wenn sie nicht weiter aktiviert werden, dann verfällt die Gewichtung mit einer negativen Exponentialkurve.
Behaltenskurve
Durch einen Wiederholungsprozess wird nicht nur das Wissen reaktiviert, sondern zusätzlich die Zerfallskonstante verändert:
Behaltenskurven
|