|
Inhaltsverzeichnis |
6 |
|
|
Vorwort zur zweiten Auflage |
10 |
|
|
Vorwort zur ersten Auflage |
11 |
|
|
1 Grundlagen |
14 |
|
|
Übersicht und Lernziele |
14 |
|
|
Einleitung |
14 |
|
|
Units und ihre Verbindungen |
15 |
|
|
Funktionsweise von Units |
17 |
|
|
Input und Netzinput |
18 |
|
|
Aktivitätsfunktion |
19 |
|
|
Output |
25 |
|
|
Bias-Units |
26 |
|
|
Trainings- und Testphase |
27 |
|
|
Matrizendarstellung |
28 |
|
|
Zusammenfassung |
30 |
|
|
Übungsaufgaben |
32 |
|
|
2 Lernregeln |
34 |
|
|
Übersicht und Lernziele |
34 |
|
|
Einleitung |
34 |
|
|
Hebb-Regel |
37 |
|
|
Delta-Regel |
38 |
|
|
Gradientenabstiegsverfahren |
40 |
|
|
Lösungsansatz |
41 |
|
|
Probleme des Verfahrens |
44 |
|
|
Lösungsansätze |
46 |
|
|
Backpropagation |
51 |
|
|
Einleitung |
51 |
|
|
Problemstellung und Algorithmus |
52 |
|
|
Competitive Learning |
55 |
|
|
Zusammenfassung |
56 |
|
|
Übungsaufgaben |
57 |
|
|
3 Netztypen |
60 |
|
|
Übersicht und Lernziele |
60 |
|
|
Einleitung |
60 |
|
|
Pattern Associator |
62 |
|
|
Beispielberechnung |
63 |
|
|
Eigenschaften |
65 |
|
|
Rekurrente Netze |
65 |
|
|
Simple Recurrent Networks |
67 |
|
|
Jordan-Netze, Elman-Netze und Autoassociator |
69 |
|
|
Attraktorennetze |
70 |
|
|
Anwendungen |
73 |
|
|
Kompetitive Netze |
73 |
|
|
Kohonennetze |
77 |
|
|
Berechnung |
78 |
|
|
Wichtige Parameter |
82 |
|
|
Anwendungen |
86 |
|
|
Constraint Satisfaction Netze |
88 |
|
|
Beispiel eines Constraint Satisfaction Netzes: Jets und Sharks |
91 |
|
|
Zusammenfassung |
92 |
|
|
Übungsaufgaben |
93 |
|
|
4 Eigenschaften |
96 |
|
|
Übersicht und Lernziele |
96 |
|
|
Eingenschaften neuronaler Netze |
96 |
|
|
Probleme neuronaler Netze |
99 |
|
|
Zusammenfassung |
101 |
|
|
Übungsaufgaben |
103 |
|
|
5 Anwendungen |
104 |
|
|
Übersicht und Lernziele |
104 |
|
|
Einleitung |
104 |
|
|
Farbkonstanz |
105 |
|
|
Ausgangssituation |
105 |
|
|
Netzaufbau |
107 |
|
|
Ergebnisse und Fazit |
110 |
|
|
Routinetätigkeiten |
111 |
|
|
Ausgangssituation |
111 |
|
|
Netzaufbau |
114 |
|
|
Ergebnisse und Fazit |
115 |
|
|
Autismus |
118 |
|
|
Ausgangssituation |
118 |
|
|
Netzaufbau |
121 |
|
|
Ergebnisse und Fazit |
123 |
|
|
Serielles Lernen |
126 |
|
|
Ausgangssituation |
126 |
|
|
Netzaufbau |
127 |
|
|
Ergebnisse und Fazit |
130 |
|
|
Spielkarten sortieren |
132 |
|
|
Ausgangssituation |
132 |
|
|
Netzaufbau |
134 |
|
|
Ergebnisse und Fazit |
135 |
|
|
Zahlenrepräsentation |
136 |
|
|
Ausgangssituation |
136 |
|
|
Netzaufbau |
139 |
|
|
Ergebnisse und Fazit |
140 |
|
|
Übungsaufgaben |
142 |
|
|
6 Datenauswertung |
144 |
|
|
Übersicht und Lernziele |
144 |
|
|
Einleitung |
144 |
|
|
Visual-XSel |
147 |
|
|
Datensatz einfügen und Dialogbox auswählen |
148 |
|
|
Variablen auswählen |
149 |
|
|
Modellparameter festlegen |
152 |
|
|
Korrelationen der Datenanalyse überprüfen |
154 |
|
|
Modellgewichte berechnen lassen |
156 |
|
|
Kennwerte der Datenauswertung interpretieren |
159 |
|
|
Weitere Einstellungen |
161 |
|
|
Ergebnisse der Datenauswertung graphisch darstellen |
163 |
|
|
MemBrain |
167 |
|
|
Units einfügen |
168 |
|
|
Verbindungen erstellen |
172 |
|
|
Datensatz erstellen oder einfügen |
174 |
|
|
Lernregel auswählen |
177 |
|
|
Gewichte initialisieren und trainieren |
180 |
|
|
Trainiertes Netz überprüfen |
182 |
|
|
SPSS |
185 |
|
|
Datensatz einfügen und Neuronale Netze Dialogbox auswählen |
185 |
|
|
Variablen auswählen und Partitions-Datenblatt ausfüllen |
186 |
|
|
Netzwerkarchitektur und Trainingsoptionen festlegen |
188 |
|
|
Ausgabeeinstellungen vornehmen und Vorhersagen speichern |
190 |
|
|
Export und weitere Optionen vornehmen |
192 |
|
|
Übungsaufgaben |
193 |
|
|
Literaturverzeichnis |
196 |
|
|
Sachverzeichnis |
202 |
|