{"product_id":"neuronale-netze-theoretische-grundlagen-und-anwendung-in-der-verkehrszeichenerkennung-von-andreas-friedrich","title":"Neuronale Netze: Theoretische Grundlagen und Anwendung in der Verkehrszeichenerkennung","description":"\u003cp\u003eDiplomarbeit aus dem Jahr 2004 im Fachbereich Mathematik - Angewandte Mathematik, Note: 1.7, Universität Bayreuth (Fakultät für Mathematik und Physik), Sprache: Deutsch, Abstract: Neuronale Netze sind ursprünglich aus der Biologie bekannt. Sie\u003c\/p\u003e\u003cp\u003ehaben eine grobe Analogie zum Gehirn der Säugetiere. Künstliche\u003c\/p\u003e\u003cp\u003eNeuronale Netze sind informationsverarbeitende Systeme. Sie\u003c\/p\u003e\u003cp\u003ebestehen aus einer großen Anzahl einfacher Einheiten, den\u003c\/p\u003e\u003cp\u003eNeuronen, die sich Informationen in Form der Aktivierung der\u003c\/p\u003e\u003cp\u003eNeuronen über gerichtete, gewichtete Verbindungen zusenden. Es\u003c\/p\u003e\u003cp\u003esind massiv parallele, lernfähige Systeme. Neuronale Netze haben\u003c\/p\u003e\u003cp\u003edie Fähigkeit, eine Aufgabe selbständig, anhand von\u003c\/p\u003e\u003cp\u003eTrainingsbeispielen, zu lernen.\u003c\/p\u003e\u003cp\u003eÜberblick über die einzelnen Kapitel\u003c\/p\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003eKapitel 2.1 stellt die Grundlagen\u003c\/p\u003e\u003cp\u003eNeuronaler Netze dar. Dabei wird zuerst das Neuronale Netz\u003c\/p\u003e\u003cp\u003edefiniert und seine Bestandteile erklärt. Anschließend werden\u003c\/p\u003e\u003cp\u003everschiedene Netzstrukturen definiert. Kapitel 2.2 zeigt, welche Funktionen mittels Neuronaler Netze darstellbar sind.\u003c\/p\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003eIn Kapitel 3 werden verschiedene Lernverfahren für Feedforward Netze dargestellt. Dabei wird das Training Neuronaler Netze als unrestringiertes Optimierungsproblem dargestellt. In den Lernverfahren wird auf die Theorie und teilweise auch auf die Konvergenz eingegangen. Dabei werden auch Vor- und Nachteile der Verfahren angesprochen.\u003c\/p\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003eIn Kapitel 4 werden verschiedene rekurrente Neuronale Netze dargestellt. Anschließend werden verschiedene Lernverfahren für diese Netze erläutert, die sich aus den Verfahren für Feedforward Netze ableiten lassen. Außerdem wird in Kapitel 4.6 die Stabilität rekurrenter Neuronaler Netze untersucht. In Kapitel 4.7 wird die Boltzmann Maschine als eine Anwendung des Hopfield-Netzes mit einem, auf der Idee des Simulated Annealing beruhenden, Lernverfahren erläutert.\u003c\/p\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003eKapitel 5 stellt Verfahren zur Minimierung von Neuronalen Netzen vor.\u003c\/p\u003e\u003cp\u003e\u003c\/p\u003e\u003cp\u003eKapitel 6 zeigt eine Anwendung Neuronaler Netze in der Verkehrszeichenerkennung. Es wird erklärt, wie die Bilder bearbeitet und die Trainingsmuster erstellt wurden. Dann wurden die Neuronalen Netze mit Hilfe des Stuttgarter Neuronale Netze Simulators erstellt, trainiert und anhand von Testbildern getestet. Anschließend wurde gezeigt, wie man ein vorhandenes Neuronales Netz erweitern kann.\u003c\/p\u003e\u003cdiv class=\"aw-variant-hidden-subtitle-div\" id=\"aw-variant-subtitle-9783640862467\"\u003e\u003ch3\u003e\u003c\/h3\u003e\u003c\/div\u003e","brand":"Libri","offers":[{"title":"Softcover - 9783640862467","offer_id":39425402011741,"sku":"9783640862467","price":47.95,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0940\/0622\/files\/862e34df-6d2e-4d2a-9f25-9a6052823bec.jpg?v=1781413725","url":"https:\/\/shop.autorenwelt.de\/products\/neuronale-netze-theoretische-grundlagen-und-anwendung-in-der-verkehrszeichenerkennung-von-andreas-friedrich","provider":"Autorenwelt Shop","version":"1.0","type":"link"}