Neuronale Netze - Grundlagen

1 - Cover [Seite 1]
2 - Titel [Seite 3]
3 - Impressum [Seite 4]
4 - Inhaltsverzeichnis [Seite 7]
5 - Prolog [Seite 11]
6 - Einleitung [Seite 17]
7 - Kapitel 1: Neuronale Netze und das Gehirn [Seite 21]
7.1 - 1.1 Was sind Neuronale Netze? [Seite 22]
7.2 - 1.2 Das Gehirn als Vorbild [Seite 23]
7.2.1 - 1.2.1 Organisation und Physiologie des Gehirns [Seite 24]
7.2.2 - 1.2.2 Die biologische Nervenzelle [Seite 25]
8 - Kapitel 2: Die Simulation des Gehirns [Seite 29]
8.1 - 2.1 Die ersten Versuche [Seite 29]
8.2 - 2.2 Die Hebbsche Formel [Seite 33]
8.3 - 2.3 Das Perzeptron [Seite 34]
8.3.1 - 2.3.1 Die Theorie von Rosenblatt [Seite 34]
8.3.2 - 2.3.2 Das Perzeptron auf dem Papier [Seite 36]
8.3.3 - 2.3.3 Das Programm zum Perzeptron [Seite 38]
9 - Kapitel 3: Mustererkennung durch ein Hopfield-Netz [Seite 45]
9.1 - 3.1 Der Assoziativspeicher [Seite 45]
9.1.1 - 3.1.1 Das Hopfield-Netz auf dem Papier [Seite 46]
9.1.2 - 3.1.2 Mustererkennung [Seite 50]
9.1.3 - 3.1.3 Ein Beispiel für Mustererkennung [Seite 52]
10 - Kapitel 4: Der bidirektionale Assoziativspeicher [Seite 59]
10.1 - 4.1 Verteilter Assoziativspeicher [Seite 59]
10.1.1 - 4.1.1 Der bidirektionale Assoziativspeicher auf dem Papier [Seite 62]
10.1.2 - 4.1.2 Mustererkennung mit dem bidirektionalen Assoziativspeicher [Seite 66]
10.1.3 - 4.1.3 Bilderkennung mit dem bidirektionalen Assoziativspeicher [Seite 70]
11 - Kapitel 5: Das Backpropagation-Netz [Seite 79]
11.1 - 5.1 Netztopologie [Seite 79]
11.2 - 5.2 Die Transferfunktion [Seite 80]
11.3 - 5.3 Die Lernformel [Seite 82]
11.4 - 5.4 Das Backpropagation-Netz auf dem Papier [Seite 85]
12 - Kapitel 6: Vorstellung eines Programms zum Ausführen Neuronaler Netze [Seite 91]
12.1 - 6.1 Allgemeine Erläuterungen des Programms NetAndDecision [Seite 91]
12.2 - 6.2 Verwalten der Projekte [Seite 92]
12.3 - 6.3 Die Gewichtsmatrix [Seite 96]
12.4 - 6.4 Beispiele erfassen [Seite 97]
12.5 - 6.5 Der Beispiel-Generator [Seite 98]
12.6 - 6.6 Das Training des Netzes [Seite 101]
12.7 - 6.7 Die Ausführung des Netzes [Seite 103]
12.8 - 6.8 Die Lernkurve [Seite 103]
12.9 - 6.9 Die Grafik [Seite 104]
13 - Kapitel 7: Beispiele für Neuronale Netze [Seite 107]
13.1 - 7.1 Ermittlung der Wurfweite eines Steins [Seite 107]
13.2 - 7.2 Kreditvergabe Entscheidung [Seite 117]
13.3 - 7.3 Unterstützung der Kaufentscheidung für einen PC [Seite 120]
14 - Kapitel 8: Regressionsanalyse mit einem Neuronalen Netz [Seite 125]
14.1 - 8.1 Die Chartanalyse mit einem Neuronalen Netz [Seite 125]
14.2 - 8.2 Die Regressionsanalyse [Seite 129]
14.3 - 8.3 Mehrdimensionale Funktionen [Seite 133]
15 - Kapitel 9: Expertensysteme [Seite 137]
15.1 - 9.1 Das Erheben von Wissen [Seite 138]
15.2 - 9.2 Aufbau eines Expertensystems [Seite 139]
15.2.1 - 9.2.1 Wissensbasis [Seite 140]
15.2.2 - 9.2.2 Darstellungsproblematik von Wissen [Seite 140]
15.2.3 - 9.2.3 Regelbasis [Seite 141]
15.2.4 - 9.2.4 Datenbasis [Seite 142]
15.2.5 - 9.2.5 Regelinterpreter (Inferenzkomponente) [Seite 142]
15.2.6 - 9.2.6 Userschnittstelle [Seite 143]
15.3 - 9.3 Vorstellung eines Programms zum Ausführen von Expertensystemen [Seite 143]
15.3.1 - 9.3.1 Verwalten von Projekten [Seite 144]
15.3.2 - 9.3.2 Expertensystem Analyse [Seite 145]
15.3.3 - 9.3.3 Expertensystem Daten [Seite 146]
15.3.4 - 9.3.4 Verwalten von Expertensystemen [Seite 147]
15.3.5 - 9.3.5 Verwalten von Attributen [Seite 149]
15.3.6 - 9.3.6 Verwalten von Regeln [Seite 152]
15.4 - 9.4 Regelbasis zur Auswahl von statistischen Prognoseverfahren [Seite 155]
15.4.1 - 9.4.1 Literaturstudium zum Erheben des Expertenwissens [Seite 156]
15.4.2 - 9.4.2 Ausführen des Expertensystems [Seite 159]
15.5 - 9.5 Regelbasis zur Unterstützung der Kaufentscheidung für einen PC [Seite 161]
16 - Kapitel 10: Ein Backpropagation-Netz programmieren [Seite 169]
16.1 - 10.1 Erfassung von Passwort-Mustern [Seite 170]
16.2 - 10.2 Ein Neuronales Netz zur Erkennung von Passwort-Mustern [Seite 175]
16.3 - 10.3 Die Programmierung des Neuronalen Netzes [Seite 178]
16.3.1 - 10.3.1 Die Programmierung des Hauptprogramms [Seite 179]
16.3.2 - 10.3.2 Der Konstruktor der Klasse »NeuralNetwork« [Seite 180]
16.3.3 - 10.3.3 Das Einlesen und Verarbeiten von Kommandos [Seite 181]
16.3.4 - 10.3.4 Weitere Methoden der Klasse »NeuralNetwork« [Seite 187]
16.3.5 - 10.3.5 Das Einlesen der Beispieldaten [Seite 188]
16.4 - 10.4 Die Programmierung der Backpropagation-Technologie [Seite 194]
16.4.1 - 10.4.1 Das Ausführen des Neuronalen Netzes [Seite 195]
16.4.2 - 10.4.2 Das Training des Neuronalen Netzes [Seite 196]
16.4.3 - 10.4.3 Das Ausführen von außen [Seite 200]
17 - Kapitel 11: Ausblick [Seite 203]
18 - Anhang A: Anhang [Seite 207]
18.1 - A.1 Die Beispielprogramme [Seite 207]
18.2 - A.2 Installation der Beispielprogramme [Seite 208]
18.3 - A.3 Die verwendete Datenbanktechnologie [Seite 208]
19 - Anhang B: Dokumentierter Quelltext der Programme [Seite 213]
19.1 - B.1 Das Programm Perzeptron [Seite 213]
19.2 - B.2 Das Programm HopfieldNet [Seite 220]
19.3 - B.3 Das Programm AssociativeMemory [Seite 225]
19.4 - B.4 Das Programm AssociativeMemoryPicture [Seite 230]
20 - Stichwortverzeichnis [Seite 237]