Neuronale Netze - Grundlagen
Mit Beispielprogrammen in Java
Thomas Kaffka
- 240 pages
- German
- ePUB (adapté aux mobiles)
- Disponible sur iOS et Android
Neuronale Netze - Grundlagen
Mit Beispielprogrammen in Java
Thomas Kaffka
Ă propos de ce livre
Von den ersten Modellen bis zum Backpropagation-NetzAllgemeinverstĂ€ndliche ErlĂ€uterungen mit vielen Praxis- und AnwendungsbeispielenZahlreiche Programme zum Ausprobieren, AusfĂŒhren und Trainieren Neuronaler Netze mit BeispieldatenFĂŒr Programmierer: VollstĂ€ndige Programmierung eines Backpropagation-Netzes zur Passworterkennung (in Java)Dieses Buch ist eine grundlegende EinfĂŒhrung in die Entwicklung und Funktionsweise Neuronaler Netze. Sie lernen verschiedene Modelle kennen sowie alle Elemente, die fĂŒr die FunktionalitĂ€t Neuronaler Netze von Bedeutung sind. So werden Sie im Detail verstehen, wie diese arbeiten.Praxisansatz des Buches:Alle vorgestellten Netze werden beispielhaft anschaulich durchgerechnet. So können Sie nachvollziehen, wie ein Neuronales Netz funktioniert und arbeitet.AuĂerdem liefert der Autor zusĂ€tzlich zum Buch selbst erstellte Programme, mit denen Sie am PC experimentieren können, indem Sie Beispieldaten eingeben und die jeweiligen Eigenschaften der unterschiedlichen Netze praktisch ausprobieren sowie diese trainieren und ausfĂŒhren können.Kaffka beschreibt zunĂ€chst die frĂŒhesten Modelle Neuronaler Netze sowie die Hebbsche Formel und das von Rosenblatt entwickelte Modell des Perzeptrons. Daraufhin geht er auf die Mustererkennung mit einem Hopfield-Netz ein und erlĂ€utert die Grundlagen eines einfachen und eines bidirektionalen Assoziativspeichers.SchlieĂlich behandelt Kaffka das aktuelle Modell des Backpropagation-Netzes. Sie lernen im Detail, wie ein solches Neuronales Netz funktioniert â von der Netztopologie ĂŒber die Transferfunktion bis zur Lernformel zum Trainieren eines Netzes.Darauf aufbauend stellt der Autor verschiedene Beispiele und Anwendungen fĂŒr Neuronale Netze vor. Hier diskutiert er zusĂ€tzlich, wie diese im Rahmen der Regressionsanalyse eingesetzt werden können. Zudem wird gezeigt, dass Neuronale Netze auch drei- oder mehrdimensionale Funktionen erlernen können.Ein Ausblick zu Expertensystemen im Vergleich zu Neuronalen Netzen rundet die EinfĂŒhrung ab.Zusatznutzen fĂŒr Programmierer:Programmierer, die selber ein neuronales Netz programmieren wollen, finden ein ausfĂŒhrliches Kapitel, in dem ein Backpropagation-Netz vollstĂ€ndig in Java programmiert wird.FĂŒr Programmierer wird der Java-Code aller im Buch verwendeten Programme erlĂ€utert.Downloads zum Buch:Alle Programme der im Buch beschriebenen Neuronalen Netze zum AusprobierenFĂŒr Programmierer: Der Quellcode eines vollstĂ€ndigen Backpropagation-Netzes sowie aller im Buch verwendeten ProgrammeAus dem Inhalt:Historische AnsĂ€tze:Hebbsche Formel, Perzeptron, Hopfield-NetzNeuronale Netze mit der Backpropagation-TechnologieGewichtsmatix, Training und LernkurveMuster-/BilderkennungBidirektionaler AssoziativspeicherNetztopologie mit bis zu 3 SchichtenRegressionsanalyseMehrdimensionale FunktionenExpertensystemeVollstĂ€ndige Programmierung eines Backpropagation-Netzes zur Passworterkennung