Einführung in die Mathematik neuronaler Netze

C-Implementierungen rekursiver neuronaler Netze

Für diese HTML-Lehreinheit gelten wieder entsprechende Bemerkungen wie zu den beiden vorausgegangenen. Zentrale Fragen sind hier: Wie fehlertolerant sind Kosko- und Hopfield-Netze, wie sind Fehler deutbar, was sind Halluzinationen, wie kommt es zur Amnesie, wie ist die Beurteilung dieser Netze im Vergleich zu klassischen Speicher- und Bildverarbeitungskonzepten?

Bitte beachten Sie:
Alle Kapitel- und Abschnittangaben in den HTML-Lehreinheiten beziehen sich auf das Buch "Einführung in die Mathematik neuronaler Netze" von Burkhard Lenze, Logos Verlag, Berlin, 2009. Dieses Buch sollten Sie zur Bearbeitung der HTML-Lehreinheiten zuvor gelesen und bereitliegen haben!

Grundsätzlicher Hinweis zur Arbeit mit den HTML-Lehreinheiten:

Öffnen Sie auf Ihrem Rechner zwei Fenster, und legen Sie sich das obige Lehrbuch griffbereit.
Greifen Sie im ersten Fenster (HTML-Fenster) mit einem Browser auf das zu bearbeitende C-Programm zu (siehe Inhaltsverzeichnis unten), und lassen Sie sich die zugehörige Aufgabe und das Listing des Programms ausdrucken.
Schauen Sie sich das ausgedruckte Listing des C-Programms an und -- zum besseren Verständnis -- parallel dazu im HTML-Fenster das zugehörige Flussdiagramm mit seinen Erläuterungen.
Starten Sie nun, nachdem Ihnen die Struktur des Programms vertraut ist, im zweiten Fenster (C-Fenster) das kompilierte C-Programm, und bearbeiten Sie die Ihnen ausgedruckt vorliegende Aufgabenstellung.
Wechseln Sie, wann immer Sie Schwierigkeiten mit der eigenen Lösung haben, vom C-Fenster in das HTML-Fenster, und schlagen Sie dort in der protokollierten Lösung nach.
Lesen Sie nach der Lösung der konkreten Anwendungsaufgabe im HTML-Fenster die jeweilige Zusammenfassung, in der noch einmal das Wesentliche des bearbeiteten C-Programms auf den Punkt gebracht wird.

Das Ziel des obigen Vorgehens sollte sein, dass Sie nach Abschluss des HTML-basierten Trainings so gut mit den Netzsimulationen vertraut sind, dass Sie auch eigene Anwendungen ausprobieren und die C-Programme weiterentwickeln können. Um sich im Rückblick jeweils zu vergewissern, ob dieses Ziel auch erreicht wurde, bietet es sich an, nach Abschluss der Arbeit mit einem Netztyp anhand der unten angegebenen Lehrziele das eigene Wissen nochmals kritisch zu hinterfragen.

Inhaltsverzeichnis

Lehrziele

Sie sollten nach Studium dieser HTML-Lehreinheit wissen,

wie man ein Kosko-Netz bzw. BAM prinzipiell implementieren kann,
dass man bei einem Kosko-Netz im allgemeinen von bipolar codierten Assoziationen ausgeht.

wie man basierend auf einem Kosko-Netz prinzipiell ein Muster- oder Bilderassoziatiosnetz implementieren kann,
dass ein solches Netz im Fall angemessener Komplexität ausgesprochen fehlertolerant ist.

wie man basierend auf einem Sigma-Pi-Hopfield-Netz 2-ter Ordnung prinzipiell ein autoasoziatives Muster- oder Bilderassoziatiosnetz implementieren kann,
dass ein solches Netz im Fall angemessener Komplexität ausgesprochen fehlertolerant ist und trotz deutlich höherer Lernkapazität als ein autoassoziativ betriebenes Kosko-Netz mit der Hälfte von Neuronen (allerdings Sigma-Pi-Neuronen 2-ter Ordnung) auskommt.

Burkhard Lenze
Im Februar 2009