Patricia Ladewig-Riedler, Stefan Thoer

Neuronale Netze für Ingenieure (eBook, PDF)

Arbeits- und Übungsbuch für regelungstechnische Anwendungen

• Format: PDF

Produktbeschreibung

Dieses Buch verschafft einen Überblick über die wichtigsten Modelle aus dem Bereich der Neuronalen Netze und leitet zum Umgang mit ihnen an. Die auf diese Modelle hin konzipierten Übungen ermöglichen es dem Leser, zusammen mit der vorangestellten Theorie, Neuronale Netze für die eigenen Aufgabenstellungen einzusetzen.

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Vieweg+Teubner Verlag
• Seitenzahl: 184
• Erscheinungstermin: 2. Juli 2013
• Deutsch
• ISBN-13: 9783663076759
• Artikelnr.: 53391077

Autorenporträt

Professor Dr.-Ing. Serguei Zakharian lehrt an der Fachhochschule Wiesbaden, Fachbereich Mathematik, Naturwissenschaften und Datenverarbeitung. Dipl.-Ing. Stefan Thoer studierte an der Fachhochschule Wiesbaden Elektrotechnik mit dem Schwerpunk Meß- und Regelungstechnik.

Inhaltsangabe

1. Aufbau eines künstlichen Neurons.- 1.1 Grundmodell eines Neurons.- 1.2 Grundbegriffe der KNN.- 1.3 Das Lernen als Gewichtsänderung.- 1.4 Optimierungs- und Suchverfahren.- 1.5 Realisierung eines künstlichen Neurons.- 1.6 Das Lernen als Mitkopplung.- 2. Einteilung von künstlichen Neuronalen Netzen.- 2.1 Netzfunktionen und Anwendungen.- 2.2 Statische Kennlinien von Neuronen.- 2.3 Lernmechanismen.- 2.3.1 Einteilung.- 2.3.2 Fehlerkorrektur.- 2.3.3 Rückgekoppeltes Lernen.- 2.3.4 Wahrscheinlichkeitslernen.- 2.3.5 Konkurrenzlernen.- 2.3.6 Hebb sche Lernregel.- 2.3.7 Nichtiteratives Lernen.- 2.4 Historischer Rückblick.- 2.5 Vor- und Nachteile von KNN.- 3. Grundtypen von künstlichen Neuronalen Netzen.- 3.1 Übersicht.- 3.2 Einzelschicht Perzeptron.- 3.3 Mehrschicht Perzeptron.- 3.4 Adaline / Madaline Netze.- 3.5 Cognitron und Neocognitron.- 3.6 Comparator-Netz.- 3.7 Backpropagation.- 3.8 Counterpropagation.- 3.9 Querpropagation.- 3.10 Hopfield-Netz.- 3.11 Hamming-Netz.- 3.12 Kohonen-Netz.- 3.13 Carpenter / Grossberg-Netz.- 3.14 Cooper s RCE-Netz.- 3.15 Kosko s BAM.- 3.16 IAC-Netz.- 4. Regelungstechnische Anwendungen von KNN.- 4.1 Einführung.- 4.2 Identifikation.- 4.2.1 Einführung.- 4.2.2 Identifikation mit dem Hopfield-Netz.- 4.2.3 Identifikation mit dem RT-Neuron.- 4.2.4 Identifikation mit dem Backpropagation.- 4.3 Stabilitätsuntersuchung.- 4.3.1 Einführung.- 4.3.2 Stabilitätsanalyse mit Backpropagation.- 4.3.3 Beispiel: PD-Regler eines Roboterarmes.- 4.4 Regelung und Steuerung mit KNN.- 4.4.1 Grundtypen.- 4.4.2 Drehwinkelregelung eines Servomotors.- 4.4.3 Stabilisierung eines Pendels.- 4.4.4 Positionsregelung eines Manipulators.- 4.4.5 Steuerung von Fahrzeugbewegungen.- 4.5 Entwurf u. Realisierung eines Reglers mit KNN.- 4.5.1 Übersicht.- 4.5.2 Stabilitätsuntersuchung.- 4.5.3 Reglereinstellung.- 4.5.4 Konfigurierung des N-Reglers.- 4.5.5 Realisierung.- 5. Übungsaufgaben mit Lösunqen.- 5.1 Übungsaufgaben.- 5.2 Lösungen.- 6. Literaturverzeichnis.- Sachwortverzeichnis.