Zusammenfassung
Das dritte Kapitel liefert eine Übersicht zu den theoretischen Grundlagen künstlicher neuronaler Netzwerke. Dabei wird zunächst auf die biologisch motivierte Abbildung abstrahierter Neuronenmodelle eingegangen und verschiedene, für die Arbeit relevante Modelle unterschiedlicher Komplexität dargestellt. Anschließend steht die Signalverarbeitung innerhalb des Netzwerks im Fokus. Ein Aspekt ist die Diskussion unterschiedlicher Aktivierungsfunktionen sowie deren Vor- und Nachteile. Darüber hinaus wird der Trainingsprozess, der das Erlernen von funktionalen Zusammenhängen ermöglicht, beschrieben. Zuletzt werden in der Literatur diskutierte Lösungsstrategien dargestellt, die auf Basis eines Gradientenabstiegs unterschiedliche Strategien zur Gewichtsanpassung innerhalb des neuronalen Netzwerkes bereitstellen und im Rahmen der Arbeit implementiert und mit Blick auf die adaptive Fahrdynamikregelung untersucht werden.
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
Author information
Authors and Affiliations
Corresponding author
3.1 Elektronisches Zusatzmaterial
Rights and permissions
Copyright information
© 2024 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Kaste, J. (2024). Theorie künstlicher neuronaler Netzwerke. In: Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung. AutoUni – Schriftenreihe, vol 171. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-43109-9_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-43109-9_3
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-43108-2
Online ISBN: 978-3-658-43109-9
eBook Packages: Computer Science and Engineering (German Language)