Zusammenfassung
Neuronale Netze sind Netzwerke aus Nervenzellen im Gehirn von Menschen und Tieren. Etwa 10 bis 100 Milliarden Nervenzellen besitzt das menschliche Gehirn. Der komplexen Verschaltung und der Adaptivität verdanken wir Menschen unsere Intelligenz und unsere Fähigkeit, verschiedenste motorische und intellektuelle Fähigkeiten zu lernen und uns an variable Umweltbedingungen anzupassen. Schon seit vielen Jahrhunderten versuchen Biologen, Psychologen und Mediziner die Funktionsweise von Gehirnen zu verstehen. Um das Jahr 1900 wuchs die revolutionäre Erkenntnis, dass eben diese winzigen physikalischen Bausteine des Gehirns, die Nervenzellen und deren komplexe Verschaltung, für Wahrnehmung, Assoziationen, Gedanken, Bewusstsein und die Lernfähigkeit verantwortlich sind.
Den großen Schritt hin zu einer KI der neuronalen Netze wagten dann 1943 McCulloch und Pitts in einem Artikel mit dem Titel „A logical calculus of the ideas immanent in nervous activity“ AR88. Sie waren die ersten, die ein mathematisches Modell des Neurons als grundlegendes Schaltelement für Gehirne vorstellten. Dieser Artikel legte die Basis für den Bau von künstlichen neuronalen Netzen und damit für dieses ganz wichtige Teilgebiet der KI.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Die Bionik beschäftigt sich mit der Entschlüsselung von „Erfindungen der belebten Natur“ und ihrer innovativen Umsetzung in der Technik [Wik13].
- 2.
Auch der Autor wurde von dieser Welle erfasst, die ihn 1987 von der Physik in die KI führte.
- 3.
Für eine deutliche Unterscheidung zwischen Trainingsdaten und anderen Werten eines Neurons werden wir im Folgenden die Anfragevektoren immer mit q (von engl. query) und die gewünschten Antwortvektoren mit t (von engl. target) bezeichnen.
- 4.
Die Support-Vektor-Maschinen sind keine neuronalen Netze. Aufgrund der historischen Entwicklung und ihrer mathematischen Verwandtschaft zu linearen Netzen werden sie aber hier behandelt.
- 5.
Anschauliche Darstellungen solcher Kantenmerkmale inklusive Erklärung finden sich auf deeplearning.stanford.edu.
- 6.
Stand: April 2016.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2016 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Ertel, W. (2016). Neuronale Netze. In: Grundkurs Künstliche Intelligenz. Computational Intelligence. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-13549-2_9
Download citation
DOI: https://doi.org/10.1007/978-3-658-13549-2_9
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-13548-5
Online ISBN: 978-3-658-13549-2
eBook Packages: Computer Science and Engineering (German Language)