Zusammenfassung
Zum Ende des ersten einführenden Teils beschäftigt sich dieses Kapitel mit einer sehr frühen Netzsorte, dem Perzeptron, das auf Rosenblatt (1962a) zurückgeht. Wenngleich seine praktische Bedeutung aufgrund neuer Entwicklungen im Bereich der konnektionistischen Verfahren deutlich zurückgegangen ist, kann man an diesem Modell die wichtigsten Prinzipien neuronaler Informationsverarbeitung erläutern. Im weiteren Verlauf dieses Kapitels wird deutlich, welchen Einschränkungen das Perzeptron unterliegt. In diesem Zusammenhang wird der Begriff lineare Separierbarkeit geprägt. Nicht zuletzt finden sich in dem Perzeptron-Modell die Gründe für Neu- und Weiterentwicklungen von Lern verfahren.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Rights and permissions
Copyright information
© 1997 Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden
About this chapter
Cite this chapter
Scherer, A. (1997). Das Perzeptron. In: Neuronale Netze. Computational Intelligence. Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-86830-5_5
Download citation
DOI: https://doi.org/10.1007/978-3-322-86830-5_5
Publisher Name: Vieweg+Teubner Verlag
Print ISBN: 978-3-528-05465-6
Online ISBN: 978-3-322-86830-5
eBook Packages: Springer Book Archive