Top

Published in:

2021 | OriginalPaper | Chapter

12. Flache Neuronale Netze für die Klassifizierung

(Shallow Neural Networks for Clasifications)

Author : Martin Werner

Published in: Digitale Bildverarbeitung

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Künstliche neuronale Netze ahmen die vernetzte Struktur der Nervenzellen im Gehirn und deren Arbeitsweise nach. Relativ einfache künstliche neuronale Strukturen, flache neuronale Netze genannt, erbringen erstaunliche Leistungen bei der Klassifizierung von Objekten. Damit das gelingt, wird das neuronale Netz anhand von bekannten Daten trainiert. MATLAB unterstützt die Mustererkennung und Klassifizierung mit den Funktionen patternnet, train und net. Mit ihnen werden flache neuronale Netze implementieren, die zur Merkmalserkennung in der Bildverarbeitung eingesetzt werden.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

inform now

previous chapter Künstliche Neuronen und Lernen

next chapter Lernen mit dem Backpropagation-Algorithmus

Available only for authorised users

Rosenblatt zeigte 1958, dass das einfache Perzeptron die logischen Operationen AND, OR und NOT ausführen kann. In der Aussagelogik wird jedoch auch das XOR benötigt, um alle Verknüpfungen der Boolschen Logik zu erlernen.

Wegen des natürlichen Logarithmus in der Formel werden die KLD und die weiteren Größen hier in der Pseudoeinheit „nat“ gemessen.

Mit der Ungleichung von Kraft kann gezeigt werden, dass die Divergenz nicht negativ ist und der Wert 0 nur bei der Gleichheit der Verteilungen angenommen wird.

mit\(\mathop {\lim }\limits_{x \to 0} x \cdot \ln \left( x \right) = 0\)

Beale, M. H., Hagan, M. T., & Demuth, H. B. (2018). Neural network toolbox. Getting started guide. Natick, MA: The MathWorks.

Bronstein, I. N., Semendjajew, K. A., Musiol, G., & Mühlig, H. (1999). Taschenbuch der Mathematik (4. Aufl.). Frankfurt a. M.: Harri Deutsch.MATH

Gonzalez, R. C., & Woods, R. E. (2018). Digital image processing (4. Aufl.). Harlow, Essex (UK): Pearson Education.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. Cambridge, MA: MIT Press.MATH

Hedderich, J., & Sachs, L. (2016). Angewandte Statistik. Methodensammlung mit R (15. Aufl.). Berlin: Springer Spektrum.MATH

Kim, P. (2017). MATLAB deep learning. With machine learning, neural networks and artificial intelligence. Apress, https://doi.org/10.1007/978-1-4842-2845-6

Kullback, S., & Leibler, R. A. (1951). On information and sufficiency. Annals of Mathematical Statistics, 22(1), 79–86.MathSciNetCrossRef

Paluszek, M., & Thomas, S. (2020). Practical MATLAB deep learning. A project-based-approach. Berkeley, CA: Apress. https://doi.org/10.1007/978-1-4842-5124-9.CrossRef

Rey, G. D., & Wender, K. F. (2018). Neuronale Netze. Eine Einführung in die Grundlagen, Anwendungen und Datenauswertung (3. Aufl.). Bern: Hogrefe.

Rosenblatt, F. (1958). The perception – A probabilistic model for information storage and organization in the brain. Pychological Review, 65(6), 386–408.CrossRef

Shannon, C. E. (1948). A mathematical theory of communication. The Bell system technical journal, 27(3), 379–423.

Title: Flache Neuronale Netze für die Klassifizierung
Author: Martin Werner
Publisher: Springer Fachmedien Wiesbaden
Book: Digitale Bildverarbeitung
Print ISBN: 978-3-658-22184-3

Electronic ISBN: 978-3-658-22185-0

Copyright Year: 2021
DOI: https://doi.org/10.1007/978-3-658-22185-0_12