Kapitelanfang Vorige Seite Nächste Seite Nächstes Kapitel
VERN Home navigation
 
Chemoinformatik
Einführung in die Chemoinformatik
Repräsentation chemischer Strukturen
Repräsentation chemischer Reaktionen
Datentypen/Datenformate
Datenbanken/Datenquellen
Struktur-Suchmethoden
Berechnung physikalischer und chemischer Daten
Descriptoren für chemische Verbindungen
Methoden zur Datenanalyse
Einführung
Maschinelles Lernen
Lernverfahren
Entscheidungsbäume
Chemometrie
Multivariate Statistikmethoden
Korrelation
MLRA
PCA
PCR
PLS
MDS
Neuronale Netze
Einführung
Biologische Neuronen
  Künstliche Neuronen
Künstliches Neuronenmodell
Vernetzung von Neuronen
Mehrschichtenmodell
Lernverfahren NN
Hopfield-Modell
Hopfield-Modell: Beispiel
Kohonen-Netze
Kohonen-Netz: Lernen
Backpropagation Netzwerke
Counterpropagation Netzwerke
Fuzzy Logic
Genetische Algarithmen
Data Mining-Methoden in der Chemie
Weitere Data Mining-Methoden
Literatur
Anwendungen
Struktur-Eigenschafts-Beziehung
Strukturaufklärung
Synthesplanung

Startseite

Aufbau künstlicher Neuronen

Künstliche neuronale Netze sind Systeme, in denen (analog zur Biologie) ein Netzwerk aus Untereinheiten, den Neuronen, geknüpft wird. Das künstliche Neuron soll die Funktionen einer biologischen Nervenzelle simulieren.
Wenn es auch mindestens fünf physiologisch unterschiedliche Nervenzellen gibt, so genügt es doch hier, nur einen Typ vorzustellen, da hier nur der Grundaufbau eines Neurons besprochen wird; auf die physiologischen Prozesse - und die sie verursachenden chemischen Vorgänge - kann nicht näher eingegangen werden.

Vergleich einer biologischen Nervenzelle und eines künstlichen Neurons

Stark vereinfachte schematische Darstellung einer biologischen Nervenzelle (links). In Wirklichkeit ist die Zahl der Dendriten und die Zahl der Verzweigungen in den Dendriten und im Axon sehr viel höher. Dieser ist ein künstliches Neuron gegenübergestellt (rechts).

Der Nervenzellkörper weist eine große Zahl von Verästelungen auf, die Dendriten, die Signale aufnehmen und zum Zellkörper leiten. Dort werden die Signale gesammelt und führen, wenn ein bestimmter Schwellenwert überschritten wird, zum "Feuern" des Neurons, d.h. es wird ein elektrischer Reiz über das Axon weitergeleitet. An seinem Ende hat ein Axon Kontakt zu Dendriten der Nachbarneuronen; diese Kontaktstellen werden Synapsen genannt. Über sie werden die Neuronen miteinander vernetzt.
Die Synapsen sind zugleich Barrieren, die die Intensität eines Signals beim Weiterleiten ändern. Das Ausmaß dieser Änderung hängt von der Synapsenstärke ab. Das Eingabesignal mit der Stärke xi an der Synapse i mit der Synapsenstärke wi hat nach deren Passieren die Intensität si. Die Synapsenstärke kann sich ändern, und das sogar zwischen zwei aufeinanderfolgenden Impulsen.

xi = Stärke des Eingabesignals an der Synapse i
wi = Synapsenstärke
si = Stärke des Ausgabesignals

Änderung eines Eingabesignals xi beim Durchgang durch eine Synapse mit der Stärke wi.


© Prof. Dr. J. Gasteiger, Dr. Th. Engel, CCC Univ. Erlangen, Thu Apr 15 06:31:58 2004 GMT
navigation BMBF-Leitprojekt Vernetztes Studium - Chemie