Zusammenfassung
Beim Optimieren mit neuronalen Netzen werden Probleme so in „Energie“-Funktionen kodiert, daß deren Minimum gerade einer optimalen Lösung entspricht. Solche Energiefunktionen haben wir bereits beim symmetrischen Hopfield-Modell kennengelernt. Beim Optimieren mit neuronalen Netzen soll jetzt versucht werden, anstelle von Mustern die Lösungen von Optimierungsproblemen in die lokalen Minima der Energiefunktion eines neuronalen Netzes zu legen. Das hier verwendete Neuronenmodell ist ein vereinfachtes Hopfield-Tank-Modell. Das ursprüngliche Modell wurde als analoges elektronisches Netz von J. J. Hopfield und D. W. Tank vorgeschlagen.
This is a preview of subscription content, log in via an institution to check access.
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
© 1996 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Braun, H., Feulner, J., Malaka, R. (1996). Optimieren mit neuronalen Netzen. In: Praktikum Neuronale Netze. Springer-Lehrbuch. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-61000-4_10
Download citation
DOI: https://doi.org/10.1007/978-3-642-61000-4_10
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-60030-5
Online ISBN: 978-3-642-61000-4
eBook Packages: Springer Book Archive