Bild von Institut mit Unilogo
home uni ub suche suche kontakt kontakt
unilogo Universität Stuttgart

Eingang zum Volltext in OPUS

 

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:bsz:93-opus-14446
URL: http://elib.uni-stuttgart.de/opus/volltexte/2003/1444/


Konstruktionsverfahren vorwärtsgerichteter neuronaler Netze

Construction Methods for Feed Forward Neural Networks

Stackelberg, Burkhard von

pdf-Format:
Dokument 1.pdf (1.734 KB)

Bookmark bei Connotea Bookmark bei del.icio.us
SWD-Schlagwörter: Verteilte künstliche Intelligenz , Künstliche Intelligenz , Maschinelles Lernen , Mathematische Physik , Computerphysik , Mehrschichten-Perzeptron
Freie Schlagwörter (Englisch): Computational Physics , Artificial Intelligence , Machine Learning , Multilayer Perceptron , Model Generation
Institut: Institut für Theoretische Physik, Teilinstitut II
Fakultät: Fakultät Mathematik und Physik
DDC-Sachgruppe: Physik
Dokumentart: Dissertation
Hauptberichter: Haag, Günter, Prof. Dr.
Sprache: Deutsch
Tag der mündlichen Prüfung: 02.07.2003
Erstellungsjahr: 2003
Publikationsdatum: 20.10.2003
Kurzfassung auf Deutsch: Ziel dieser Arbeit ist die Evaluation verschiedener, bisweilen populärer
Konstruktionsverfahren vorwärtsgerichteter neuronaler Netze. Zu diesem Zwecke
werden sie in einem einheitlichen Schema klassifiziert, was die Klasse
zugänglicher Verfahren erweitert. Darunter befinden sich unter anderem
auch Neuentwicklungen wie Brain Construction Algorithmus und
Constructive Backpropagation.

Anschließend wird ein gemeinsamer Algorithmus und dessen Implementierung
vorgestellt, in dessen Rahmen die verschiedenen Verfahren getestet und
miteinander verglichen werden.
Kurzfassung auf Englisch: Aim of this exposition is the investigation and comparative evaluation
of several construction methods of feed forward neural networks. Therefore,
a uniform classification scheme is built up enabling research on
a much broader family of methods. Amongst them, there are classics as
Cascade Correlation as well as new ones like Brain Construction and
Constructive Backpropagation.

Subsequently, a common algorithm and its implementation are presented as a
framework where various construction methods are investigated and compared.