Einführung zu KNNs
|
Künstliche Neuronale Netze sind ein interessantes und anspruchsvolles Thema für Informatiker. Dieser
Artikel soll grundlegend in die Thematik einführen und nicht viel mehr als eine Begriffsklärung
darstellen.
|
Das Neocognitron (Studienarbeit) [PDF]
Neocognitron-Vortrag [PDF]
Applet (von T. Celinsky) [ZIP]
|
Diese Arbeit beleuchtet das Neocognitron und gibt einen umfassenden Überblick über dessen Funktionsweise, inklusive
mathematischer Darstellung und Beschreibung der auftretenden Effekte. Abschließend werden Modifikationen
und Anwendungsgebiete vorgestellt.
|
Studienarbeit Faktoren beim Backpropagation-Lernen [PDF]
|
Diese Arbeit betrachtet die beiden Faktoren Momentum und Lernrate,
welche zum beschleunigten Lernen mittels Backpropagation verwendet
werden können. Dabei werden Grenzen und Vergleiche beleuchtet und
anschaulich erklärt.
|
Konvergenz von Hopfield-Netzen [PDF]
|
Hier betrachte ich die Konvergenz der Energiefunktion des diskreten
Hopfield-Netzes und zeige darauf aufbauend, warum ebenfalls der
Netz-Zustand konvergieren muss.
|
Vortrag "Neurocomputer-Architekturen" [PDF]
|
Vortrag zu Neurocomputer-Architekturen im 2. Semester des Master-Studiums Informatik im Rahmen der
Lehrveranstaltung "Innovative Rechnerarchitekturen".
|
Beschleunigtes Lernen mit Backpropagation
|
Hier sollen die beiden Faktoren Lernrate und Impulsterm empirisch
betrachtet werden, welche ein Neuronales Netz mit Hilfe des
Backpropagation-Algorithmus' schneller lernen lassen, wenn sie geeignet
gewählt werden.
|
Zeitreihenanalyse mit GEP [PDF]
|
Diese Arbeit zu evolutionären Algorithmen beschäftigt sich mit Gene Expression Programming als speziellen EA
und untersucht seine Fähigkeiten anhand des Problems der Zeitreihenanalyse. Die Ergebnisse werden dabei einer
Erweiterung von GEP und einem einfachen Feed-Forward-KNN gegenüber gestellt.
|
[ Artikel 1 ]
[ Artikel 2 ]
|
Für's Erste möchte ich als weiterführende Literatur diese zwei Artikel angeben, die ich im Netz
gefunden habe und als ziemlich gut erachte.
|
simpleNet.zip (v0.5)
simpleNet_prog.zip
simpleNet_prog_ausw.zip
simpleNet_prog_opt.zip
simpleNet_v0.6.zip (v0.6)
simpleNet_v0.7.zip (v0.7)
|
Bei der C++-Klasse simpleNet handelt es sich um die Implementierung eines einfachen vorwärtsgerichteten
Backpropagations-Netzes (siehe auch oben) und kann von anderen
Programmierern für ihre Software-Projekte benutzt werden (eine Dokumentation liegt bei).
simpletNet_prog ist eine praktische Anwendungsmöglichkeit der Klasse. Das Netz lernt dabei x Epochen
lang die 10 Dezimalnummern, als digitale Ziffern dargestellt. Im Anschluss daran erkennt es Ziffern,
bei denen selbst 2 oder mehr Pixel verfälscht sind, korrekt - ordnet die digitale Darstellung also
richtig der entsprechenden Dezimalziffer zu.
|
|
wxANN
|
Hier findet ihr eine grafische Umsetzung des Problems der Erkennung digitaler Ziffern mit einem
neuronalen Netz der Klasse simpleNet, implementiert in C++ und plattformunabhängig mit wxWidgets.
In Version 0.3 neu: das Spiel "Nimm" gegen den ein Neuronales Netz spielen.
|
|
wxOCR
|
Bei diesem Programm geht es um die Erkennung von Text mit Hilfe eines Neuronalen Netzes aus einem Bild heraus.
|