imported>Maxeto0910: /* Biologische Grundlagen neuronaler Netze */ siehe "Wikipedia:Artikel illustrieren#Bildunterschriften"

2024-03-15T21:33:41Z

Biologische Grundlagen neuronaler Netze: siehe "Wikipedia:Artikel illustrieren#Bildunterschriften"

Neue Seite

Die '''Neuroinformatik''' ist ein Teilgebiet der [[Informatik]] und der [[Neurobiologie]], das sich mit der Informationsverarbeitung in neuronalen Systemen befasst, um diese in technischen Systemen anzuwenden. Bei der Neuroinformatik handelt es sich um ein stark [[interdisziplinär]]es Forschungsgebiet im Schnittbereich zwischen [[Künstliche Intelligenz|KI]]-Forschung und [[Kognitionswissenschaft]]. In der Neuroinformatik geht es, ähnlich der neuronalen KI, um die innere Arbeitsweise des Gehirns. Dessen Arbeitsweise wird untersucht, indem man seine Grundbausteine, [[Nervenzelle|Neuronen]] und [[Synapse]]n, und deren Verschaltung simuliert.

Die Neuroinformatik ist ein Nachbargebiet der [[Computational Neuroscience]], welche sich als Teilgebiet der Neurobiologie mit dem Verständnis biologischer neuronaler Systeme mittels mathematischer Modelle beschäftigt. Sie ist ferner zu unterscheiden von der im englischen Sprachraum als ''Neuroinformatics'' bezeichneten Disziplin, die sich mit der Organisation neurowissenschaftlicher Daten durch [[Informatik|informatische]] Methoden beschäftigt.

== Teilgebiete der Neuroinformatik ==
Neuronale Methoden werden vor allem dann eingesetzt, wenn es darum geht, aus schlechten oder [[Rauschen (Physik)|verrauschten]] Daten Informationen zu gewinnen, aber auch [[Algorithmus|Algorithmen]], die sich neuen Situationen anpassen, also [[lernen]], sind typisch für die Neuroinformatik. Dabei unterscheidet man grundsätzlich [[überwachtes Lernen]] und [[unüberwachtes Lernen]], ein Kompromiss zwischen beiden Techniken ist das [[Bestärkendes Lernen|Reinforcement-Lernen]]. [[Assoziativspeicher]] sind eine besondere Anwendung neuronaler Methoden, und damit oft Forschungsgegenstand der Neuroinformatik. Viele Anwendungen für künstliche neuronale Netze finden sich auch in der [[Mustererkennung]] und vor allem im [[Bildverstehen]].

== Universitäten ==
Die Neuroinformatik ist ein relativ junger und kleiner Teil der Informatik, dennoch finden sich an vielen [[Universität]]en Institute, Abteilungen oder Arbeitsgruppen für Neuroinformatik.

== Biologische Grundlagen neuronaler Netze ==
{{Hauptartikel|Neuronales Netz}}
[[Datei:Zwei Verschiedene Neurone.png|mini|Dendritische Verzweigungen zweier Neuronen, aus deren Zellkörper jeweils ein Axon abgeht]]
[[Nervenzelle]]n finden sich im Körper aller [[Gewebetiere]] und werden als die funktionellen Grundeinheiten ihres [[Nervensystem]]s aufgefasst. Ein typisches Neuron besteht aus drei Anteilen:
* [[afferent]]e Zellfortsätze, [[Dendrit (Biologie)|Dendriten]] genannt und als Dendritenbaum verzweigt
* integrierender Zellkörper, [[Perikaryon]] genannt
* [[efferent]]er Zellfortsatz, [[Neurit]] oder auch [[Axon]] genannt, mit Abzweigungen ([[Kollaterale]]) und Aufzweigungen ([[Telodendron]])

In einem [[Gehirn]] bilden die meist graubraunen Nervenzellkörper – als Ansammlung von Perikarya an ähnlichem Ort auch [[Nucleus (ZNS)|Kerne]] genannt – die sogenannte [[graue Substanz]], und die helleren [[myelin]]isierten Nervenzellfortsätze – als Faserbündel von Axonen mit ähnlichem Verlauf auch [[Projektion (Nervensystem)|Bahnen]] genannt – die sogenannte [[weiße Substanz]]. Die Dendritenbäume sind unterschiedlich stark verzweigt in der Nachbarschaft ausgebreitet und bilden so keinen makroskopisch auffälligen Aspekt.

Neuronen sind über [[Synapse]]n miteinander verknüpft an den Stellen, wo die Erregung von einem Neuron auf ein anderes [[Erregungsübertragung|übertragen]] wird. Das elektrische Signal wird dabei selten direkt weitergegeben, sondern meist mithilfe eines [[Neurotransmitter]]s über den 20–30 [[Nanometer|nm]] [[Synaptischer Spalt|synaptischen Spalt]] getragen. Bei solchen chemischen Synapsen unterscheidet man nach der Antwort der nachgeordneten ([[postsynaptisch]]en) Zelle erregende [[Exzitatorisches postsynaptisches Potential|exzitatorische]] von hemmenden [[Inhibitorisches postsynaptisches Potential|inhibitorischen]] Synapsen. In einer Nervenzelle werden die durch verschiedene Synapsen hervorgerufenen [[Membranpotential]]veränderungen (postsynaptische Potentiale) über dem Zellkörper summiert und am Axonhügel verrechnet. Wird dabei eine bestimmte [[Reizschwelle]] überschritten, so wird im Neuron ein [[Aktionspotential]] ausgelöst, das über sein Axon [[Erregungsleitung|weitergeleitet]] wird.

== Modellierung neuronaler Netze ==
{{Hauptartikel|Künstliches neuronales Netz}}
Es gibt viele verschiedene [[Modell]]e, um [[Neuronales Netz|Neuronale Netze]] zu modellieren. Ein Ansatz ist dabei, eine Reihe [[Künstliches Neuron|künstlicher Neuronen]] zu einem Netzwerk zu verschalten. Diese Neuronen können dabei je nach Fragestellung unterschiedlich nah an den biologischen Gegebenheiten orientiert sein. Es gibt aber auch viele andere Arten künstlicher neuronaler Netze:

;Netze mit Lehrer
* [[Perzeptron]] ([[Frank Rosenblatt]]) und vor allem das [[Multi-Layer-Perzeptron]] (MLP)
* [[Hetero-Assoziaton|Hetero-Assoziative-Netze]]
* [[Backpropagation]]
* [[RBF-Netz|Radiale-Basisfunktionen-Netze]]

;Netze mit Konkurrenz
* [[Selbstorganisierende Karte]]n (werden auch als ''Kohonenkarten'', nach [[Teuvo Kohonen]], bezeichnet)
* [[K-Nearest-Neighbor|K-Means Clusteranalyse]]
* [[Lernende Vektorquantisierung]] (LVQ)
* [[Adaptive Resonanz Theorie]] (ART)

;[[Rekurrentes neuronales Netz|Netze mit Rückkopplung]]
* [[Hopfield-Netz]]e ([[John Hopfield]])
* [[Auto-Assoziation]]
* [[Boltzmann-Maschine]] ([[Terrence J. Sejnowski]], [[Geoffrey Hinton]])

== Literatur ==
* Russell Beale, Tom Jackson: ''Neural Computing. An Introduction.'' Adam Hilger, Bristol u. a. 1990, ISBN 0-85274-262-2.
* [[Simon Haykin]]: ''Neural Networks. A Comprehensive Foundation.'' 2nd edition. Prentice Hall, Upper Saddle River NJ 1999, ISBN 0-13-273350-1.
* John Hertz, Anders Krogh, Richard G. Palmer: ''Introduction to the Theory of Neural Computation'' (= ''Santa Fe Institute Studies in the Sciences of Complexity. Lecture Notes.'' 1). Addison-Wesley, Redwood City CA u. a. 1991, ISBN 0-201-51560-1.
* [[Christof Koch]]: ''Biophysics of Computation. Information Processing in Single Neurons.'' Oxford University Press, New York NY 1999, ISBN 0-19-976055-1.
* Burkhard Lenze: '' Einführung in die Mathematik neuronaler Netze.'' 3., durchgesehene und überarbeitete Auflage. Logos, Berlin 2009, ISBN 978-3-89722-021-8.
* [[Raúl Rojas]]: ''Theorie der neuronalen Netze. Eine systematische Einführung.'' 4., korrigierter Nachdruck. Springer, Berlin u. a. 1996, ISBN 3-540-56353-9 ([http://page.mi.fu-berlin.de/rojas/neural/ englische Ausgabe online]).
* Philip D. Wasserman: ''Advanced methods in neural Computing.'' Van Nostrand Reinhold, New York NY 1993, ISBN 0-442-00461-3.
* Andreas Zell: ''Simulation neuronaler Netze.'' Addison-Wesley, Bonn u. a. 1994, ISBN 3-89319-554-8 (Zugleich: Stuttgart, Universität, Habilitations-Schrift, 1994).
* Peter-Michael Ziegler: {{cite web|url=https://www.heise.de/newsticker/meldung/IBM-will-das-Gehirn-nachbauen-217555.html|title=IBM will das Gehirn nachbauen|publisher=heise|year=2008| accessdate=2014-04-02| offline= }}

== Weblinks ==
* {{DNB-Portal|4655105-0}}
* [http://www.informatik.htw-dresden.de/~iwe/StudArbeiten.html Beispiele]: HTW Dresden – eine Menge studentische Arbeiten zu verschiedenen Themen.

{{Navigationsleiste Teilgebiete der Kybernetik}}
{{Normdaten|TYP=s|GND=4655105-0}}

[[Kategorie:Neuroinformatik| ]]
[[Kategorie:Computational Neuroscience]]

Neuroinformatik - Versionsgeschichte

imported>Maxeto0910: /* Biologische Grundlagen neuronaler Netze */ siehe "Wikipedia:Artikel illustrieren#Bildunterschriften"