Neokognitron und Hopfield Netz als knstliche neuronale Netze zur Mustererkennung

Das menschliche Gehirn empfngt eine Flle unterschiedlicher Reize ber verschiedene Sinnesorgane, wobei die visuelle Wahrnehmung in diesem Zusammenhang ein bedeutendes Gebiet darstellt. Der Mensch ist in der Lage aus einer groen Menge visueller Reize bestimmte Signale innerhalb krzester Zeit herauszufiltern und richtig zu interpretieren. Probleme ergeben sich allerdings bei der Portierung der natrlichen Mustererkennung auf Computersysteme. Nach dem derzeitigen technischen Stand knnen Computer Daten zwar um ein vielfaches schneller verarbeiten, als unser Gehirn, sind aber dennoch mit Mustererkennungsaufgaben berfordert, die das Gehirn in krzester Zeit erfolgreich durchfhrt. Ein Ansatz zur Nachahmung des natrlichen Mustererkennungsprozesses sind knstliche neuronale Netze als stark vereinfachte Modelle des Gehirns. Besonders das Neokognitron verspricht eine hohe Eignung zur Umsetzung dieser Aufgabe.
Dieses Buch gibt zunchst eine Einfhrung in das Gebiet der Mustererkennung und vermittelt die notwendigen Grundlagen zu knstlichen neuronalen Netzen. Der Fokus liegt auf der strukturellen und funktionalen Darstellung des ursprnglichen Neokognitrons bei der Mustererkennung. Den dabei identifizierten Problemen begegnet man mit verschiedenen Erweiterungen, deren wesentliche Eigenschaften im berblick dargestellt werden. Zur Veranschaulichung der praktischen Leistungsfhigkeit werden Anwendungen aufgezeigt, fr die das Neokognitron implementiert wurde. Neben dem Neokognitron wird auch das binre Hopfield-Netz als klassisches knstliches neuronales Netz zur Mustererkennung erlutert. Entsprechend dieser Ausfhrungen wurde zustzlich zum vorliegenden Buch ein E-Learning Modul fr binre Hopfield Netze prototypisch implementiert und wird hier vorgestellt.