Kaffka Neuronale Netze - Grundlagen

Mit Beispielprogrammen in Java
1. Auflage 2017
ISBN: 978-3-95845-608-2
Verlag: mitp Verlags GmbH & Co.KG
Format: PDF
Kopierschutz: 0 - No protection

E-Book, Deutsch, 240 Seiten

Reihe: mitp Professional

Von den ersten Modellen bis zum Backpropagation-Netz
Allgemeinverständliche Erläuterungen mit vielen Praxis- und Anwendungsbeispielen
Zahlreiche Programme zum Ausprobieren, Ausführen und Trainieren Neuronaler Netze mit Beispieldaten
Für Programmierer: Vollständige Programmierung eines Backpropagation-Netzes zur Passworterkennung (in Java)



Dieses Buch ist eine grundlegende Einführung in die Entwicklung und Funktionsweise Neuronaler Netze. Sie lernen verschiedene Modelle kennen sowie alle Elemente, die für die Funktionalität Neuronaler Netze von Bedeutung sind. So werden Sie im Detail verstehen, wie diese arbeiten.
Praxisansatz des Buches:

Alle vorgestellten Netze werden beispielhaft anschaulich durchgerechnet. So können Sie nachvollziehen, wie ein Neuronales Netz funktioniert und arbeitet.
Außerdem liefert der Autor zusätzlich zum Buch selbst erstellte Programme, mit denen Sie am PC experimentieren können, indem Sie Beispieldaten eingeben und die jeweiligen Eigenschaften der unterschiedlichen Netze praktisch ausprobieren sowie diese trainieren und ausführen können.

Kaffka beschreibt zunächst die frühesten Modelle Neuronaler Netze sowie die Hebbsche Formel und das von Rosenblatt entwickelte Modell des Perzeptrons. Daraufhin geht er auf die Mustererkennung mit einem Hopfield-Netz ein und erläutert die Grundlagen eines einfachen und eines bidirektionalen Assoziativspeichers.
Schließlich behandelt Kaffka das aktuelle Modell des Backpropagation-Netzes. Sie lernen im Detail, wie ein solches Neuronales Netz funktioniert – von der Netztopologie über die Transferfunktion bis zur Lernformel zum Trainieren eines Netzes.
Darauf aufbauend stellt der Autor verschiedene Beispiele und Anwendungen für Neuronale Netze vor. Hier diskutiert er zusätzlich, wie diese im Rahmen der Regressionsanalyse eingesetzt werden können. Zudem wird gezeigt, dass Neuronale Netze auch drei- oder mehrdimensionale Funktionen erlernen können.
Ein Ausblick zu Expertensystemen im Vergleich zu Neuronalen Netzen rundet die Einführung ab.

Zusatznutzen für Programmierer:

Programmierer, die selber ein neuronales Netz programmieren wollen, finden ein ausführliches Kapitel, in dem ein Backpropagation-Netz vollständig in Java programmiert wird.
Für Programmierer wird der Java-Code aller im Buch verwendeten Programme erläutert.


Downloads zum Buch:

Alle Programme der im Buch beschriebenen Neuronalen Netze zum Ausprobieren
Für Programmierer: Der Quellcode eines vollständigen Backpropagation-Netzes sowie aller im Buch verwendeten Programme


Aus dem Inhalt:

Historische Ansätze:
Hebbsche Formel, Perzeptron, Hopfield-Netz
Neuronale Netze mit der Backpropagation-Technologie
Gewichtsmatrix, Training und Lernkurve
Muster-/Bilderkennung
Bidirektionaler Assoziativspeicher
Netztopologie mit bis zu 3 Schichten
Regressionsanalyse
Mehrdimensionale Funktionen
Expertensysteme
Vollständige Programmierung eines Backpropagation-Netzes zur Passworterkennung

Zielgruppe

Programmierer, die neuronale Netze entwickeln wollen

Autoren/Hrsg.

Kaffka, Thomas

Inhaltsverzeichnis

1;Cover;1
2;Titel;3
3;Impressum;4
4;Inhaltsverzeichnis;7
5;Prolog;11
6;Einleitung;17
7;Kapitel 1: Neuronale Netze und das Gehirn;21
7.1;1.1 Was sind Neuronale Netze?;22
7.2;1.2 Das Gehirn als Vorbild;23
7.2.1;1.2.1 Organisation und Physiologie des Gehirns;24
7.2.2;1.2.2 Die biologische Nervenzelle;25
8;Kapitel 2: Die Simulation des Gehirns;29
8.1;2.1 Die ersten Versuche;29
8.2;2.2 Die Hebbsche Formel;33
8.3;2.3 Das Perzeptron;34
8.3.1;2.3.1 Die Theorie von Rosenblatt;34
8.3.2;2.3.2 Das Perzeptron auf dem Papier;36
8.3.3;2.3.3 Das Programm zum Perzeptron;38
9;Kapitel 3: Mustererkennung durch ein Hopfield-Netz;45
9.1;3.1 Der Assoziativspeicher;45
9.1.1;3.1.1 Das Hopfield-Netz auf dem Papier;46
9.1.2;3.1.2 Mustererkennung;50
9.1.3;3.1.3 Ein Beispiel für Mustererkennung;52
10;Kapitel 4: Der bidirektionale Assoziativspeicher;59
10.1;4.1 Verteilter Assoziativspeicher;59
10.1.1;4.1.1 Der bidirektionale Assoziativspeicher auf dem Papier;62
10.1.2;4.1.2 Mustererkennung mit dem bidirektionalen Assoziativspeicher;66
10.1.3;4.1.3 Bilderkennung mit dem bidirektionalen Assoziativspeicher;70
11;Kapitel 5: Das Backpropagation-Netz;79
11.1;5.1 Netztopologie;79
11.2;5.2 Die Transferfunktion;80
11.3;5.3 Die Lernformel;82
11.4;5.4 Das Backpropagation-Netz auf dem Papier;85
12;Kapitel 6: Vorstellung eines Programms zum Ausführen Neuronaler Netze;91
12.1;6.1 Allgemeine Erläuterungen des Programms NetAndDecision;91
12.2;6.2 Verwalten der Projekte;92
12.3;6.3 Die Gewichtsmatrix;96
12.4;6.4 Beispiele erfassen;97
12.5;6.5 Der Beispiel-Generator;98
12.6;6.6 Das Training des Netzes;101
12.7;6.7 Die Ausführung des Netzes;103
12.8;6.8 Die Lernkurve;103
12.9;6.9 Die Grafik;104
13;Kapitel 7: Beispiele für Neuronale Netze;107
13.1;7.1 Ermittlung der Wurfweite eines Steins;107
13.2;7.2 Kreditvergabe Entscheidung;117
13.3;7.3 Unterstützung der Kaufentscheidung für einen PC;120
14;Kapitel 8: Regressionsanalyse mit einem Neuronalen Netz;125
14.1;8.1 Die Chartanalyse mit einem Neuronalen Netz;125
14.2;8.2 Die Regressionsanalyse;129
14.3;8.3 Mehrdimensionale Funktionen;133
15;Kapitel 9: Expertensysteme;137
15.1;9.1 Das Erheben von Wissen;138
15.2;9.2 Aufbau eines Expertensystems;139
15.2.1;9.2.1 Wissensbasis;140
15.2.2;9.2.2 Darstellungsproblematik von Wissen;140
15.2.3;9.2.3 Regelbasis;141
15.2.4;9.2.4 Datenbasis;142
15.2.5;9.2.5 Regelinterpreter (Inferenzkomponente);142
15.2.6;9.2.6 Userschnittstelle;143
15.3;9.3 Vorstellung eines Programms zum Ausführen von Expertensystemen;143
15.3.1;9.3.1 Verwalten von Projekten;144
15.3.2;9.3.2 Expertensystem Analyse;145
15.3.3;9.3.3 Expertensystem Daten;146
15.3.4;9.3.4 Verwalten von Expertensystemen;147
15.3.5;9.3.5 Verwalten von Attributen;149
15.3.6;9.3.6 Verwalten von Regeln;152
15.4;9.4 Regelbasis zur Auswahl von statistischen Prognoseverfahren;155
15.4.1;9.4.1 Literaturstudium zum Erheben des Expertenwissens;156
15.4.2;9.4.2 Ausführen des Expertensystems;159
15.5;9.5 Regelbasis zur Unterstützung der Kaufentscheidung für einen PC;161
16;Kapitel 10: Ein Backpropagation-Netz programmieren;169
16.1;10.1 Erfassung von Passwort-Mustern;170
16.2;10.2 Ein Neuronales Netz zur Erkennung von Passwort-Mustern;175
16.3;10.3 Die Programmierung des Neuronalen Netzes;178
16.3.1;10.3.1 Die Programmierung des Hauptprogramms;179
16.3.2;10.3.2 Der Konstruktor der Klasse »NeuralNetwork«;180
16.3.3;10.3.3 Das Einlesen und Verarbeiten von Kommandos;181
16.3.4;10.3.4 Weitere Methoden der Klasse »NeuralNetwork«;187
16.3.5;10.3.5 Das Einlesen der Beispieldaten;188
16.4;10.4 Die Programmierung der Backpropagation-Technologie;194
16.4.1;10.4.1 Das Ausführen des Neuronalen Netzes;195
16.4.2;10.4.2 Das Training des Neuronalen Netzes;196
16.4.3;10.4.3 Das Ausführen von außen;200
17;Kapitel 11: Ausblick;203
18;Anhang A: Anhang;207
18.1;A.1 Die Beispielprogramme;207
18.2;A.2 Installation der Beispielprogramme;208
18.3;A.3 Die verwendete Datenbanktechnologie;208
19;Anhang B: Dokumentierter Quelltext der Programme;213
19.1;B.1 Das Programm Perzeptron;213
19.2;B.2 Das Programm HopfieldNet;220
19.3;B.3 Das Programm AssociativeMemory;225
19.4;B.4 Das Programm AssociativeMemoryPicture;230
20;Stichwortverzeichnis;237

Über Autor(innen)

Thomas Kaffka hat als Softwareingenieur sowie Projektleiter in Softwarehäusern und Wirtschaftsprüfungs- und Beratungsgesellschaften gearbeitet. Mit den Instrumenten der Künstlichen Intelligenzforschung beschäftigt er sich seit seinem Studium und hat im Rahmen seines Berufslebens auch solche Systeme eingesetzt.