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

Vernetzung von Neuronen (Mehrschichtenmodell)

In einem Mehrschichtenmodell wird meist eine Architektur gewählt, bei der die Neuronen einer Schicht mit allen Neuronen der darüberliegenden Schicht und allen Neuronen der darunterliegenden Schicht verknüpft sind. Die folgende Abbildung stellt ein neuronales Zweischichtennetzwerk dar (wie bereits erwähnt, werden die Eingabeeinheiten nicht mitgezählt, da sie ja keine Neuronen sind, sondern nur zur Aufteilung der Eingabewerte auf die darunterliegende Neuronenschicht dienen).

Zweischichtennetzwerk

Neuronales Netz mit den Eingabeeinheiten und zwei Schichten aktiver Neuronen

Die erste Schicht an Neuronen hat keine direkten Verbindungen nach außen und heißt deshalb auch verdeckte Schicht (hidden layer); die sie bildenden Neuronen werden auch als innere Neuronen bezeichnet. Die Ausgabewerte Outl, der ersten Neuronenschicht sind die Eingabewerte X2 der zweiten Neuronenschicht. Jedes Neuron der oberen Schicht gibt dabei seinen Ausgabewert an alle Neuronen der darunterliegenden Schicht weiter. Aufgrund der unterschiedlichen Gewichte wji in den einzelnen Verbindungen (Synapsen) hat der gleiche Ausgabewert Outl = X2 in den einzelnen Neuronen unterschiedliche Wirkungen. Erst die Ausgabewerte der letzten Neuronenschicht, hier Out2, sind das Resultat eines neuronalen Netzes.

Matrizendarstellung eines Zweischichtennetzwerks

Matrizendarstellung eines Zweischichtennetzwerks


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