„Künstliche Neuronale Netze sind informationsverarbeitende Systeme,
die sich an der Struktur und Funktionsweise des Gehirns orientieren.“
(Prof. Dr. Constantin May)
KNN, also künstlich neuronale Netze bezeichnen eine stark idealisierte Nachbildung des biologischen Netzwerkes, dem Gehirn. Die Motivation dieser Nachbildung lag darin, Fähigkeiten des Gehirns, wie Parallelität, Komplexität, Lernfähigkeit, Fehlertoleranz und Mustererkennung zu erreichen, um diese für technische Zwecke, wie Prognosen oder Entwicklung komplizierter Pläne nutzen zu können.
Während das Gehirn zur massiven Parallelverarbeitung in der Lage ist, arbeiten die meisten heutigen Computersysteme nur sequentiell bzw. partiell parallel (sog. Von-Neumann-Architektur eines Rechners). Es gibt jedoch auch erste Prototypen neuronaler Rechnerarchitekturen, sozusagen den neuronalen Chip, für die das Forschungsgebiet der KNNs die theoretischen Grundlagen bereitstellt.
| Eigenschaft | Neuronale Netze | Computer |
| Parallelität | hoch | niedrig |
| Präzision | mässig | hoch |
| Fehlertoleranz | hoch | niedrig |
| Speicherzugriff | global | lokal |
| Mustererkennung | gut | schlecht |
| Erkennen und Nutzen von Ähnlichkeiten | ja | nein |
| Numerisch präzise Berechnungen | schlecht | gut |
| Fehlerlose Datenspeicherung | schlecht | gut |
| Lernfähigkeit | gut | schlecht |
| Rekonstruktion verrauschter Daten | gut | schlecht |
| Verallgemeinerung von Beispielen | gut | schlecht |
| Selbstorganisation | ja | nein |
Wie in der Tabelle ersichtlich wird, besitzt auch der Computer diverse Vorteile, wie zum Beispiel Schnelligkeit, welche in den KNN mit denen des Gehirns verbunden werden. Somit ist eine schnellere und effizientere Informationsverarbeitung geschaffen worden.
Verwendung finden Neuronale Netze beispielsweise beim Erkennen von Unterschriften, Zeichen oder Gesichtern, sowie im betriebswirtschaftlichen Finanzbereich für Kursprognosen oder Kreditführungen.
Weiter zu » Biologische Grundlagen