Skip to main content
SpringerLink
Log in

Neuronale Netze simulieren Gehirne

  • Chapter
  • First Online:
Künstliche Intelligenz – Wann übernehmen die Maschinen?

Part of the book series: Technik im Fokus ((TECHNIK))

  • 21k Accesses

Zusammenfassung

Gehirne sind Beispiele für komplexe Informationssysteme auf der Grundlage neuronaler Informationsverarbeitung [1]. Was sie gegenüber anderen Informationssystemen auszeichnet ist die Fähigkeit zu Kognition, Emotion und Bewusstsein. Unter dem Begriff der Kognition (lat. cognoscere für „erkennen“, „wahrnehmen“, „wissen“) werden Fähigkeiten wie z. B. Wahrnehmung, Lernen, Denken, Gedächtnis und Sprache zusammengefasst. Welche synaptischen Signalverarbeitungen liegen diesen Prozessen zugrunde? Welche neuronalen Teilsysteme sind beteiligt?

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
eBook
USD 19.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 24.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Mainzer K (1997) Gehirn, Computer, Komplexität. Springer, Berlin

    Book  Google Scholar 

  2. Roth G (1994) Das Gehirn und seine Wirklichkeit. Kognitive Neuropsychologie und ihre philosophischen Konsequenzen. Suhrkamp, Frankfurt

    Google Scholar 

  3. Markowitsch HJ (1992) Neuropsychologie des Gedächtnisses. Verlag für Psychologie, Göttingen

    Google Scholar 

  4. Hebb DO (1949) The Organisation of Behavior. A Neurophysiological Theory. John Wiley & Sons Inc, New York

    Google Scholar 

  5. McCulloch WS, Pitts WH (1943) A logical calculus of the ideas immanent in nervous activity. Bull Math Biophysics 5:115–133

    Article  Google Scholar 

  6. Rosenblatt F (1958) The Perceptron: A probabilistic model for information storage and organization in the brain. Psychological Review 65:386–408

    Article  Google Scholar 

  7. Minsky M, Papert S (1969) Perceptrons, Expanded Edition. An Introduction to Computational Geometry by Marvin Minsky and Seymour A. Papert. MIT Press, Cambridge (Mass.)

    Google Scholar 

  8. Möller K, Paaß G (1994) Künstliche neuronale Netze: eine Bestandsaufnahme. KI – Künstliche Intelligenz 4:37–61

    Google Scholar 

  9. Rummelhart DE, Hinton GE, Williams RJ (1986) Learning representation by back-propagating errors. Nature 323:533–536

    Article  Google Scholar 

  10. Hornik K, Stinchcombe M, White H (1989) Multilayer feedforward networks are universal approximators neural networks. Neural Networks 2:359–366

    Article  Google Scholar 

  11. Dean J (2014) Big Data, Data Mining, and Machine Learning. Value Creation for Business Leaders and Practitioneers. Wiley, Hoboken

    Book  Google Scholar 

  12. Jones N (2014) The learning machines. Nature 502:146–148

    Article  Google Scholar 

  13. Hopfield JJ (1982) Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences 79:2554–2558

    Article  Google Scholar 

  14. Tank DW, Hopfield JJ (1991) Kollektives Rechnen mit neuronenähnlichne Schaltkreisen. Spektrum der Wissenschaft Sonderheft 11:65

    Google Scholar 

  15. Serra R, Zanarini G (1990) Complex Systems and Cognitive Processes. Springer, Berlin S 78

    Book  Google Scholar 

  16. Hinton GE, Anderson JA (1981) Parallel Models of Associative Memory. Psychology Press, Hillsdale N.J.

    Google Scholar 

  17. Ritter H, Martinetz T, Schulten K (1991) Neuronale Netze. Addison-Wesley Publishing Company, Bonn

    Google Scholar 

  18. von der Malsburg C (1973) Self-organization of orientation. Sensitive cells in the striate cortex. Kybernetik 14:85–100

    Article  Google Scholar 

  19. Kohonen T (1991) Self-Organizing Maps. Springer, Berlin

    Google Scholar 

  20. Sutton R, Barto A (1998) Reinforcement-Learning: An Introduction. A Bradford Book, Cambridge (Mass.)

    Google Scholar 

  21. Russell S, Norvig P (2004) Künstliche Intelligenz: Ein moderner Ansatz. Pearson Studium, München

    Google Scholar 

  22. Pearl J (1988) Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, 2. Aufl. Morgan Kaufmann, San Francisco

    Google Scholar 

  23. Tversky A, Kahneman D (2000) Advances in prospect theory: cumulative representation of uncertainty. In: Kahneman D, Tversky A (Hrsg) Choices, Values and Frames. Cambridge University Press, Cambridge, S 44–66

    Google Scholar 

  24. Damasio AR (1995) Descartes’ Irrtum. Fühlen, Denken und das menschliche Gehirn. List, München, Leipzig

    Google Scholar 

  25. Picard RW (1997) Affective Computing. MIT Press, Cambridge (Mass.)

    Google Scholar 

  26. Onisawa T (2000) Soft computing technology in Kansei (emotional) information processing. In: Liu Z-Q, Miyamoto S (Hrsg) Soft Computing and Human-Centered Machines. Springer, Berlin

    Google Scholar 

  27. Velasquez JD (1997) Modeling emotions and other motivations in synthetic agents. Amer Assoc Art Int, 10–15

    Google Scholar 

  28. Flohr H (1991) Brain processes and phenomenal consciousness. A new and specific hypothesis. Theory and Psychology 1:245–262

    Article  Google Scholar 

  29. Mainzer K (2008) Organic computing and complex dynamical systems. Conceptual foundations and interdisciplinary perspectives. In: Würtz RP (Hrsg) Organic Computing. Springer, Berlin, S 105–122

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Technische Universität München, München, Deutschland

    Prof. em. Dr. Klaus Mainzer Emeritus of Excellence

Authors
  1. Prof. em. Dr. Klaus Mainzer Emeritus of Excellence
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Klaus Mainzer Emeritus of Excellence .

Rights and permissions

Reprints and permissions

Copyright information

© 2019 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Mainzer, K. (2019). Neuronale Netze simulieren Gehirne. In: Künstliche Intelligenz – Wann übernehmen die Maschinen?. Technik im Fokus. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-58046-2_7

Download citation

Publish with us

Policies and ethics

Search

Navigation