Zusammenfassung
Bei der Repräsentation von Wissen unterscheiden wir die explizite und die implizite Repräsentation. Bei der expliziten Repräsentation setzt sich das Gesamtwissen zusammen aus lokal begrenztem Einzelwissen wie z.B. einzelnen Fakten oder Regeln. Bei der impliziten Repräsentation existiert keine solche Abgrenzung, vielmehr basiert das Gesamtwissen auf dem komplexen Zusammenwirken vieler Einzelkomponenten. Beispiele hierfür sind im Bereich der neuronalen Netzmodelle das Multilayer Perceptron und die Boltzmann-Maschine [Ackley, Hinton, Sejnowski 85], [Hinton, Sejnowski 86]. In beiden Modellen wird das Gesamtverhalten durch ein global wirkendes Gradientenabstiegsverfahren optimiert, d.h. es werden bei jedem zu lernenden Beispiel (Assoziation) alle Parameter des Netzes gleichzeitig verändert.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1997 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Braun, H. (1997). Neuronale Modelle von Expertenwissen. In: Neuronale Netze. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60743-1_2
Download citation
DOI: https://doi.org/10.1007/978-3-642-60743-1_2
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-64535-8
Online ISBN: 978-3-642-60743-1
eBook Packages: Springer Book Archive