Dynamische Zellstrukturen Theorie und Anwendung eines KNN-Modells

Zusammenfassung

In dieser Arbeit [Bru98] wird ein neuartiges Künstliches Neuronales Netz (KNN), die Dynamische Zellstruktur (DCS), vorgestellt, die das Approximationsverhalten von Netzwerken radialer Basisfunktionen (RBF-Netzen) mit der Repräsentationskraft topologieerhaltender Karten vereint. Die topologieerhaltenden Karten werden dabei zu einer im Vergleich zu herkömmlichen RBF-Netzwerken effizienteren Ausgabeberechnung und Adaption genutzt. Daneben tragen sie zu einer Regularisierung des Lernproblems bei und bewirken durch effektive Projektion auf die Eingabemannigfaltigkeit eine verminderte Rauschsensitivität. Durch inkrementelle Adaption sowohl der Parameter als auch der Modellordnung und der topologieerhaltenden Repräsentation der Eingabemannigfaltigkeit weist die DCS ein Höchstmaß an Flexibilität auf. Hierfür werden eine Vielzahl von Lernregeln angegeben, die im Kontext der stochastischen Approximation und der statistischen Mustererkennung diskutiert werden. Die DCS ist eine Weiterentwicklung von Fritzkes Wachsender Zellstruktur, [Fri95], an die sich ihre Namensgebung anlehnt.