Biologische Grundlagen:

Axon
Aktionspotential
Reizleitung
Neurotransmitter
Synapse
Gehirn (Grob-Struktur und Größe)
 

Modell-Neurone:

McCulloch-Pitts Neuron
Transfer-Funktion
Zeit-kontinuierliche Modelle
 

Einfache Anwendungen:

NAND
OR
AND
Lineare Separabilität
 

Lernalgorithmen:

Perzeptron-Lernregel (mit Beweisidee für die Konvergenzaussage)
XOR-Problem bei der Perzeptron-Lernregel
Back-Propagation
Recurrent Back-Propagation
 

Hopfield-Netz:

Idee des Assoziativspeichers (Muster A mit A)
Fehlertoleranz
Idee der Anwendung statistischer Mechanik auf das Hopfield-Netz
Erweiterung von deterministischer auf stochastische Dynamik
(suche zeitliche Mittelwerte)
Meanfield-Näherung
Speicherkapazität des Hopfiled-Netzes
 

Weitere Verfahren:

Hetero-Assoziation (Muster A mit B)
Vektorquantisierer
Kohonen-Algorithmus
 

Literaturliste:

Populärwissenschaftliche Texte:

      Gehirn und Nervensystem, Spektrum der Wissenschaft: Verständliche Forschung

Ein Standardwerk:

      J. Hertz et al., Introduction to the Theory of Neural Computation, Addison-Wesley

Aktive Signalleitung durch formstabile Pulse:

     J. Murray, Mathematical Biology (Kap. 12.4), Springer

Speziell zu self-organizing maps:

     T. Kohonen, Self-Organizing Maps, Springer (1995).
 
 

M. Bode, 19.07.00