Neuronales Netz - Wie kann es sich mehrere Dinge merken?

[brinkee]

Hi Flips,

wenn Du die Infos doch aus meinem Post und von meiner Seite hast, wieso fragst Du dann nicht einfach mich, wie ich das realisiert habe. Die Facharbeit ist übrigens nicht von mir, sondern ich habe sie wegen des passenden Themas nur auf meiner Homepage zur Verfügung gestellt.

Damit Du nicht nachher ein funktionierendes NN hast, was Du niemandem erklären kannst:

1.) Wichtig dabei ist, dass man eine Input-Schicht, eine Output-Schicht (eventuell auch Zwischenschichten) und die Verknüpfungen dazwischen erzeugen muss.
2.) Die Input-Schicht besteht aus deinen 8x8 (oder bei mir 10x10, oder auch beliebig vielen) Eingabe-Pixeln.
3.) Die Ausgabe-Schicht kann entweder aus allen möglichen Werten bestehen, die das Netz erkennen soll, oder in beliebiger Art codiert auch anders
4.) Die Synapsen stellen die Verbindung her. Sie verbinden jedes Neuron der Input- mit jedem Neuron der Output-Schicht
5.) Damit man es richtig implementiert, dürfen die Neuronen der Output-Schicht in keiner Art und Weise ein "Kennt-Beziehung" o.Ä. zur Inpu-Schicht haben. Der Informationsdurchsatz in der Abfrage Phase (also nicht im Training) darf nur von Input zu Output stattfinden.
6.) Das Ergebnis der Abfrage wird erreicht, indem die Synapsen, die von aktivierten Input-Neuronen ausgehen, erregt werden. Das heißt, dass ihr "Gewicht", was aus dem Training herrührt, an die Output-Neuronen weitergereicht wird. Das Nuron mit dem größten Wert hat dann so zu sagen gewonnen.

Ich weiß, dass meine Implementierung eine Minimalversion darstellt, und noch nicht alle mathematischen Vorraussetzungen erfüllt. Allerdings ist sie objektorientiert implementiert und kann beliebig angepasst werden.

Hoffe, dass ich ein wenig zum Verständnis beigetragen habe,

Markus