Neokognitron und Hopfield Netz als künstliche neuronale Netze zur Mustererkennung

Das menschliche Gehirn empfängt eine Fülle unterschiedlicher Reize über verschiedene Sinnesorgane, wobei die visuelle Wahrnehmung in diesem Zusammenhang ein bedeutendes Gebiet darstellt. Der Mensch ist in der Lage aus einer großen Menge visueller Reize bestimmte Signale innerhalb kürzester Zeit herauszufiltern und richtig zu interpretieren. Probleme ergeben sich allerdings bei der Portierung der natürlichen Mustererkennung auf Computersysteme. Nach dem derzeitigen technischen Stand können Computer Daten zwar um ein vielfaches schneller verarbeiten, als unser Gehirn, sind aber dennoch mit Mustererkennungsaufgaben überfordert, die das Gehirn in kürzester Zeit erfolgreich durchführt. Ein Ansatz zur Nachahmung des natürlichen Mustererkennungsprozesses sind künstliche neuronale Netze als stark vereinfachte Modelle des Gehirns. Besonders das Neokognitron verspricht eine hohe Eignung zur Umsetzung dieser Aufgabe.Dieses Buch gibt zunächst eine Einführung in das Gebiet der Mustererkennung und vermittelt die notwendigen Grundlagen zu künstlichen neuronalen Netzen. Der Fokus liegt auf der strukturellen und funktionalen Darstellung des ursprünglichen Neokognitrons bei der Mustererkennung. Den dabei identifizierten Problemen begegnet man mit verschiedenen Erweiterungen, deren wesentliche Eigenschaften im Überblick dargestellt werden. Zur Veranschaulichung der praktischen Leistungsfähigkeit werden Anwendungen aufgezeigt, für die das Neokognitron implementiert wurde. Neben dem Neokognitron wird auch das binäre Hopfield-Netz als klassisches künstliches neuronales Netz zur Mustererkennung erläutert. Entsprechend dieser Ausführungen wurde zusätzlich zum vorliegenden Buch ein E-Learning Modul für binäre Hopfield Netze prototypisch implementiert und wird hier vorgestellt.