|
|
|
|
LEADER |
03470nmm a2200385 u 4500 |
001 |
EB000709314 |
003 |
EBX01000000000000000562396 |
005 |
00000000000000.0 |
007 |
cr||||||||||||||||||||| |
008 |
140122 ||| ger |
020 |
|
|
|a 9783709190937
|
100 |
1 |
|
|a Köhle, Monika
|
245 |
0 |
0 |
|a Neurale Netze
|h Elektronische Ressource
|c von Monika Köhle
|
250 |
|
|
|a 1st ed. 1990
|
260 |
|
|
|a Vienna
|b Springer Vienna
|c 1990, 1990
|
300 |
|
|
|a X, 188 S.
|b online resource
|
505 |
0 |
|
|a 1 Die Mystik Neuraler Netze -- 1.1 Wissenschaften und Modeströmungen -- 1.2 Ein “Neurales Netz” -- 1.3 Neurale Rechner — Neural Computing -- 1.4 Erwartungen an Neurale Netze -- 1.5 Einsatz Neuraler Netze -- 1.6 Beispiele -- 1.7 Charakterisierung Neuraler Netze -- 1.8 Praktische Anwendungen für Neurale Netze -- 2 Aus den Anfängen Neuraler Netze -- 2.1 Im Anfang war die Kybernetik -- 2.2 Seit McCulloch & Pitts, 1943 -- 2.3 Frühe Lernsysteme -- 3 Neurophysiologische Grundlagen -- 3.1 Aufbau und Funktionsweise von Neuronen -- 3.2 Das visuelle System -- 4 Künstliche Neurone -- 4.1 Was von der Biologie bleibt -- 4.2 McCulloch&Pitts-Neurone -- 4.3 Aufbau Neuraler Netze -- 4.4 Unit-Typen -- 4.5 Repräsentationsformen und Kodierungen -- 4.6 Hierarchie und Synchronität -- 4.7 Lernen in Neuralen Netzen -- 5 Lernen in Neuralen Netzen -- 5.1 Übersicht über die wichtigsten Lernansätze -- 5.2 Hebb-Regel -- 5.3 Delta-Regel -- 5.4 Back Propagation -- 5.5 Competitive Learning -- 5.6 Boltzmann-Maschinen -- 5.7 Lernen durch Verstärkung und Belohnung -- 5.8 Genetische Algorithmen -- 5.9 Topologie-erhaltende Abbildungen und Lernende Vektorquantifizierung (LVQ) -- 6 Modelle -- 6.1 NETtalk (Sejnowski & Rosenberg, 1986) -- 6.2 Hopfield-Netze -- 6.3 Fukushimas Neocognitron -- 6.4 Adaptive Resonance Theory (ART) -- 6.5 Kohonens Spracherkennung -- 7 Simulationen -- 7.1 Hardware -- 7.2 Software -- 8 Nayantara -- Namen- und Sachverzeichnis
|
653 |
|
|
|a Pattern recognition
|
653 |
|
|
|a Image Processing and Computer Vision
|
653 |
|
|
|a Computer programming
|
653 |
|
|
|a Computer simulation
|
653 |
|
|
|a Pattern Recognition
|
653 |
|
|
|a Algorithms
|
653 |
|
|
|a Programming Techniques
|
653 |
|
|
|a Artificial Intelligence
|
653 |
|
|
|a Artificial intelligence
|
653 |
|
|
|a Algorithm Analysis and Problem Complexity
|
653 |
|
|
|a Optical data processing
|
653 |
|
|
|a Simulation and Modeling
|
041 |
0 |
7 |
|a ger
|2 ISO 639-2
|
989 |
|
|
|b SBA
|a Springer Book Archives -2004
|
490 |
0 |
|
|a Springers Angewandte Informatik
|
856 |
4 |
0 |
|u https://doi.org/10.1007/978-3-7091-9093-7?nosfx=y
|x Verlag
|3 Volltext
|
082 |
0 |
|
|a 006.3
|
520 |
|
|
|a Die Erforschung des Gehirns und seiner kognitiven Fähigkeiten war schon immer ein Anliegen der Menschheit. Der neueste Versuch, ein breites Verständnis der Vorgänge im Gehirn zu erlangen, ist unter dem Titel Neurale Netze zusammengefaßt. Um dem Leser den Einstieg zu erleichtern, wird das Thema schrittweise nähergebracht. Einführende Kapitel betten zuerst den Themenkreis Neurale Netze in das Umfeld anderer Wissensgebiete ein, spezialisierte und detaillierte Kapitel vermitteln biologische Analogie, einfache Modelle, Lernstrategien bis zu Simulation in Soft- und Hardware. Das Buch vermittelt in einfacher Weise Grundwissen über Neurale Netze aus der Sicht des Informatikers. Vom Leser wird kein Vorwissen auf dem behandelten Gebiet, jedoch ein Grundverständnis informatischer Belange erwartet
|