Einsatz neuronaler Netze zur Mustererkennung Contributor(s): Vockerodt, Vera (Author) |
|
ISBN: 3638691144 ISBN-13: 9783638691147 Publisher: Grin Verlag OUR PRICE: $36.01 Product Type: Paperback Language: German Published: July 2007 |
Additional Information |
BISAC Categories: - Computers | Programming Languages - General - Computers | Computer Science |
Physical Information: 0.07" H x 5.83" W x 8.27" (0.11 lbs) 28 pages |
Descriptions, Reviews, Etc. |
Publisher Description: Studienarbeit aus dem Jahr 2001 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Gottfried Wilhelm Leibniz Universit t Hannover (Institut f r Wirtschaftsinformatik), Veranstaltung: Seminar Wirtschaftsinformatik SS 2001, Sprache: Deutsch, Abstract: Der Mensch ist in der Lage, Gegenst nde und Ger usche zu erkennen und zu identifizieren, auch wenn er diese noch nie zuvor gesehen oder geh rt hat. Er erkennt sie nach bestimmten Mustern, die er im Laufe seiner Entwicklung gelernt und gespeichert hat. W hrend der Leser diese Zeilen liest, erkennt er in Sekundenbruchteilen die Buchstaben und W rter, auch wenn diese in verschiedenen (unbekannten) Schriftarten oder -gr en dargestellt sind. Das menschliche Gehirn ist zur Mustererkennung f hig. Da der Mensch ber eine begrenzte Informationsverarbeitungskapazit t verf gt, liegt die berlegung nahe, mit elektronischen Datenverarbeitungsanlagen (Computer) Mustererkennung nach menschlichem Vorbild durchzuf hren. Wie gut erkennt jedoch ein Computer ein unvollst ndiges Bild oder ein akustisches Signal, das von Rauschen berdeckt ist? W hrend der Mensch in der Lage ist, unvollst ndige Bilder zu komplettieren und St rger usche vom eigentlichen Signal zu trennen, steigen in diesen F llen bei Computern die Fehlerraten bei der Mustererkennung sehr stark. Um dies zu verhindern, werden immer h ufiger k nstliche neuronale Netze (KNN) eingesetzt. KNN sind Netzsysteme f r Computer, die Daten massiv parallel verarbeiten und zudem lernf hig sind. Das bedeutet, dass sie mit jeder Mustererkennung ihr Wissen erweitern und f r zuk nftige Eins tze verwenden. Die Fehlerraten bei der Mustererkennung unter Einsatz k nstlicher neuronaler Netze sinken erheblich. |