Künstliche Neuronale Netze Flashcards
Was sind die biologischen Grundlagen des Zentralnervensystems (ZNS)?
Das ZNS besteht aus dem Gehirn und dem Rückenmark. Es steuert und koordiniert alle wesentlichen Funktionen des Körpers.
Wie funktioniert der Informationsaustausch zwischen Neuronen?
Neuronen tauschen Informationen über elektrische und chemische Signale aus. Diese Signale werden entlang des Axons weitergeleitet und über Synapsen auf andere Neuronen übertragen.
Was sind die Hauptbestandteile eines Neurons?
Ein Neuron besteht aus dem Zellkörper (Perikaryon), dem Axon (Neurit) und den Dendriten.
Wie sieht die abstrakte Betrachtung eines Neurons aus?
Abstrakt betrachtet, wird der Zustand eines Neurons durch den Zustand des Zellkörpers (sz), den Zustand auf den Dendriten (xd) und eine Transferfunktion (f) beschrieben.
Wie unterscheidet sich das Gehirn von herkömmlichen Computern?
Das Gehirn arbeitet hochgradig parallel und ist fehlertolerant, während herkömmliche Computer sequentiell arbeiten und weniger fehlertolerant sind.
Was ist die Motivation hinter der Modellierung künstlicher neuronaler Netze?
Die Motivation ist, das Verständnis über biologische Systeme zu vertiefen und deren Fähigkeiten auf technische Systeme zu übertragen.
Welche Ziele verfolgt die Modellierung künstlicher neuronaler Netze?
Die Ziele sind das Verständnis biologischer Systeme, der Entwurf adäquater biologienaher Modelle und die Übertragung der Fähigkeiten biologischer Netze auf technische Systeme.
Wie sieht der abstrakte Ansatz der Modellierung künstlicher neuronaler Netze aus?
Der abstrakte Ansatz besteht darin, die Eigenschaften biologischer Systeme auf künstliche neuronale Netze zu übertragen, wobei die Struktur oft als „black box“ betrachtet wird.
Was sind die Basisverknüpfungen bei der Modellierung künstlicher neuronaler Netze?
Die Basisverknüpfungen sind Negation, Komposition, Rekursion und Integration.
Wie wird die Negation in neuronalen Netzen beschrieben?
Die Negation wird durch die zweiwertige Logik beschrieben: für x = 1 ergibt sich y = 0 und für x = 0 ergibt sich y = 1.
Wie funktioniert die Komposition von Funktionen in neuronalen Netzen?
Die Komposition von Funktionen bedeutet das Hintereinanderschalten von Zellen, was zu eindeutigen Ausgaben führt.
Was versteht man unter rekursivem Informationsfluss in neuronalen Netzen?
Beim rekursiven Informationsfluss wird der Ausgang zum Eingang zurückgeführt, was zu einer zeitlichen Abhängigkeit und einem Einschwingverhalten führt.
Wie funktioniert die Integration in neuronalen Netzen?
Die Integration bedeutet, dass mehrere Eingänge auf einen Ausgang abgebildet werden, wobei der Ausgang y entsprechend der Vorschrift f die Eingänge x integriert.
Wie sieht die historische Entwicklung vorwärtsgerichteter Netze aus?
Die historische Entwicklung vorwärtsgerichteter Netze begann mit der McCulloch-Pitts Zelle, einem frühen Modell neuronaler Netze.
Was ist eine McCulloch-Pitts Zelle?
Eine McCulloch-Pitts Zelle ist ein einfaches Modell eines Neurons, das auf logischen Funktionen basiert.
