Michael Krause Uberwachung eines neuronalen Netzes mittels Controller

Inhaltsangabe:Zusammenfassung: Im Rahmen dieser Belegarbeit entstand eine Software, die es erlaubt, die Signalflüsse eines analogen Multiplayerperzeptrons zu überwachen. Grundlage war eine vorangegangene Diplomarbeit, in der die Struktur eines selbstlernenden neuronalen Netzes als Analogschaltung herausgearbeitet wurde. Die Software realisiert die Control-Funktion des analogen Netzes. Diese Funktion überwacht die Ein- und Ausgänge des Netzes, regelt den Signalfluss zum Musterspeicher und kontrolliert den Lernprozess. Ziel war es, die Einsatzmöglichkeit eines Mikrocontrollers zur Netzsteuerung zu untersuchen. Dabei erwies sich die schnellstmögliche Abarbeitung des Control-Algorithmus als wichtiges Kriterium. Aus diesem Grund wurde das Controllerprogramm im Assemblercode entwickelt. Das entstandene Programm ermöglicht es, ein neuronales Netz mit bis zu 100 Eingangs- und 20 Ausgangsneuronen zu steuern. Dabei wurde Wert darauf gelegt, die Software möglichst flexibel zu gestalten. So ist es z.B. möglich, die Anzahl der Ein- und Ausgangsneuronen festzulegen und auch die Zahl der Lern- und Testpattern kann bis zum Maximalwert von je 1000 variiert werden. Inhaltsverzeichnis:Inhaltsverzeichnis: 1.Kurzreferat1 2.Inhaltsverzeichnis4 3.Verzeichnis der Abbildungen6 4.Grundlagen neuronaler Netze7 4.1Das biologische Vorbild7 4.2Künstliche neuronale Netze8 5.Multilayerperzeptron und Backpropagationalgorithmus10 5.1Aufbau und Funktion des Multilayerperzeptrons (MLP)11 5.2Der Backpropagational...