ISBN-13: 9783656296928 / Niemiecki / Miękka / 2012 / 68 str.
ISBN-13: 9783656296928 / Niemiecki / Miękka / 2012 / 68 str.
Diplomarbeit aus dem Jahr 2011 im Fachbereich Informatik - Bioinformatik, Note: 2,0, Westfalische Wilhelms-Universitat Munster (Informatik), Sprache: Deutsch, Abstract: Das menschliche Gehirn ist zu faszinierenden Leistungen fahig. In manchen Bereichen ist es jedem Computer uberlegen. Zum Beispiel konnte heute kein Computer im Straenverkehr ein Auto so sicher lenken wie ein Mensch. Andererseits lost ein Computer komplizierte Rechenaufgaben viel schneller als ein menschliches Gehirn. Mit kunstlichen neuronalen Netzen versucht die Informatik, das Gehirn zu imitieren, um die Vorzuge beider Systeme zu vereinigen. Kunstliche neuronale Netze bestehen aus kunstlichen Neuronen, die miteinander zu einem Netz verbunden sind. Dabei konnen die Verbindungen unterschiedlich stark ausgepragt sein. Damit ein solches Netz bestimmte Probleme losen kann, muss es zunachst mit einem Lernverfahren trainiert werden. Dabei werden dem Netz Beispiele in Form von Eingabedaten und den dazugehorigen korrekten Ausgabedaten vorgelegt. Manche Lernverfahren arbeiten auch mit Trainingsdaten, die keine korrekten Ausgabedaten enthalten. Bei den Lernverfahren handelt es ich um eine Minimierung der Fehlerfunktion des kunstlichen neuronalen Netzes. Diese suchen ein lokales Minimum der Fehlerfuntkion. Dieses ist nicht optimal, da es nach dem Finden eines lokalen Minimums der Funktion noch kleinere Werte der Fehlerfunktion geben kann. In dieser Arbeit entwickle und implementiere ich ein Lernverfahren fur kunstliche neuronale Netze, welches ein globales Minimum der Fehlerfuntkion sucht. Als Grundlage benutze ich einen von Harkiolakis entwickelten Algorithmus zur globalen Optimierung eines nicht nichtlinearen Gleichungssystem durch den Flug eines Projektils. Har08] Mithilfe dieses Verfahrens wurden in bekannten Optimierungsproblemen neue Minima gefunden. Dieses ubertrage ich auf ein Lernverfahren fur kunstliche neuronale Netze mit dem Versuch bessere Netze zu finden als mit den standard Lernverfahren.