Neuronale Netze

Optimierung durch Lernen und Evolution

Heinrich Braun (Autor)

Buch | Softcover

XI, 279 Seiten

2011
Springer Berlin (Verlag)
9783642645358 (ISBN)

Artikel merken

In diesem Buch findet der Leser effiziente Methoden zur Optimierung Neuronaler Netze. Insbesondere durch die ausführliche Behandlung des Reinforcement Learning und der Evolutiven Optimierung geht es über den Inhalt der bisherigen Lehrbücher zum Thema Neuronale Netze hinaus. Die Optimierung neuronaler Modelle wird in folgende Faktoren aufgeteilt: Neuronale Modelle, Lernprobleme, Optimierungsverfahren und Hardwareimplementierung. Dadurch erhält der Leser die Möglichkeit, in seiner eigenen Anwendung die Bausteine seinen Zielen entsprechend zu kombinieren: Neuronales Modell vs. Neuro-Fuzzy-Modell, Supervised Learning vs. Reinforcement Learning, Gradientenabstieg vs. Evolution, sequentiell vs. parallel.

1.Einführung.- 1.1 Überblick.- 1.2 Aufbau.- 2.Neuronale Modelle Von Expertenwissen.- 2.1 Einführung.- 2.2 Implizite Wissensrepräsentation (Interpolation).- 2.3 Explizite Wissensrepräsentation (Prototypen).- 2.4 Semantische Netze - Optimierung durch Relaxation.- 3.Neuronale Modelle Für Strategielernen.- 3.1 Problemstellung.- 3.2 Lernen nach Beispielen.- 3.3 Lernen nach Zielvorgabe.- 3.4 Reinforcement-Lernen.- 4.Evolution Neuronaler Netze.- 4.1 Evolutionäre Algorithmen.- 4.2 Grundkonzeption von ENZO.- 4.3 ENZO für Überwachtes Lernen.- 4.4 ENZO für Reinforcement-Lernen.- 4.5 ENZO für unscharfe Regler.- 4.6 Lernen und Evolution auf einem Parallelrechner.- Schlussbemerkung.- Literatur.

Erscheint lt. Verlag	26.9.2011
Zusatzinfo	XI, 279 S.
Verlagsort	Berlin
Sprache	deutsch
Maße	155 x 235 mm
Gewicht	451 g
Themenwelt	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
Schlagworte	bestärkendes Lernen • Evolution • Evolutionäre Algorithmen • Lernen • Neuronale Netzwerke • Optimierung • überwachtes Lernen • Wissen • Wissensrepräsentation
ISBN-13	9783642645358 / 9783642645358
Zustand	Neuware