
Theorie der neuronalen Netze
Eine systematische Einführung
Raul Rojas(Author)
Springer (Publisher)
1st Edition
Published on 12. March 1993
Book
Paperback/Softback
XVIII, 446 pages
978-3-540-56353-2 (ISBN)
Description
Neuronale Netze sind ein Berechenbarkeitsparadigma, das in der Informatik zunehmende Beachtung findet. In diesem Buch werden theoretische Ansätze und Modelle, die in der Literatur verstreut sind, zu einer modellübergreifenden Theorie der künstlichen neuronalen Netze zusammengefügt. Mit ständigem Blick auf die Biologie wird - ausgehend von einfachsten Netzen - gezeigt, wie sich die Eigenschaften der Modelle verändern, wenn allgemeinere Berechnungselemente und Netztopologien eingeführt werden. Jedes Kapitel enthält Beispiele und ist ausführlich illustriert und durch bibliographische Anmerkungen abgerundet. Das Buch richtet sich an Leser, die sich einen Überblick verschaffen oder vorhandene Kenntnisse vertiefen wollen. Es ist als Grundlage für Neuroinformatikvorlesungen an deutschsprachigen Universitäten geeignet.
More details
Series
Language
German
Place of publication
Berlin
Germany
Publishing group
Springer Berlin
Target group
Professional and scholarly
Research
Illustrations
103 s/w Abbildungen
XVIII, 446 S. 103 Abb.
Dimensions
Height: 235 mm
Width: 155 mm
Thickness: 26 mm
Weight
703 gr
ISBN-13
978-3-540-56353-2 (9783540563532)
DOI
10.1007/978-3-642-61231-2
Schweitzer Classification
Other editions
Additional editions

E-Book
03/2013
Springer
€38.66
Available for download
Person
Content
Einführung.- 1 Das biologische Paradigma.- I: Vorwärtsgerichtete Netze.- 2 Das Modell von McCulloch und Pitts.- 3 Gewichtete Netze - Das Perzeptron.- 4 Der Perzeptron-Lernalgorithmus.- 5 Unüberwachtes Lernen.- 6 Netze mit mehreren Schichten.- 7 Der Backpropagation-Algorithmus.- II: Theoretische Analyse.- 8 Backpropagation und statistische Regression.- 9 Die Komplexität des Lernens.- 10 Fuzzy-Logik und neuronale Netze.- III: Rekursive Netze.- 11 Assoziativspeicher.- 12 Das Hopfield-Modell.- 13 Kombinatorische Optimierung und Parallelität.- 14 Stochastische Netze.- IV: Selbstorganisation und Neurohardware.- 15 Kohonens topologieerhaltende Abbildungen.- 16 Hybride Modelle.- 17 Genetische Algorithmen.- 18 Hardware für neuronale Netze.