Philosophie Lexikon der ArgumenteHome
| |||
|
| |||
| Neuronale Netze: Neuronale Netze sind Rechenmodelle nach dem Vorbild des menschlichen Gehirns, die Muster erkennen und komplexe Probleme lösen sollen. Sie bestehen aus Schichten miteinander verbundener Knoten (analog zu Neuronen), die Eingabedaten verarbeiten und lernen, Aufgaben zu erfüllen, indem sie die Stärke der Verbindungen auf der Grundlage von Rückmeldungen anpassen. Sie werden häufig beim maschinellen Lernen eingesetzt und ermöglichen Anwendungen wie Bilderkennung, Sprachverarbeitung und Vorhersageanalysen. Siehe auch Künstliche Neuronale Netze, Konnektionismus, Computermodelle, Computation, Künstliche Intelligenz, Maschinenlernen._____________Anmerkung: Die obigen Begriffscharakterisierungen verstehen sich weder als Definitionen noch als erschöpfende Problemdarstellungen. Sie sollen lediglich den Zugang zu den unten angefügten Quellen erleichtern. - Lexikon der Argumente. | |||
| Autor | Begriff | Zusammenfassung/Zitate | Quellen |
|---|---|---|---|
|
Walter Pitts über Neuronale Netze – Lexikon der Argumente
Norvig I 16 Neuronale Netze/Künstliche Intelligenz/McCulloch/Pitts/Norvig: Die erste Arbeit, die heute allgemein als KI anerkannt ist, wurde von Warren McCulloch und Walter Pitts (1943)(1) geleistet. Sie stützten sich auf drei Quellen: Kenntnisse der grundlegenden Physiologie und Funktion von Neuronen im Gehirn; eine formale Analyse der Aussagenlogik aufgrund von Russell und Whitehead; und Turings Berechenbarkeitstheorie. Sie schlugen ein Modell künstlicher Neuronen vor, bei dem jedes Neuron als "ein" oder "aus" gekennzeichnet ist, wobei ein Wechsel zu "ein" als eine Reaktion auf Stimulation durch eine ausreichende Anzahl benachbarter Neuronen erfolgt. Der Zustand eines Neurons wurde als "faktisch gleichwertig mit einer Proposition, die ihren adäquaten Stimulus vorschlug", konzipiert. Sie zeigten zum Beispiel, dass jede berechenbare Funktion durch ein Netzwerk von verbundenen Neuronen berechnet werden kann und dass alle logischen Verknüpfungen (und, oder, nicht, etc.) durch einfache Netzstrukturen implementiert werden können. McCulloch und Pitts schlugen auch vor, dass entsprechend definierte Netzwerke lernen könnten. >Künstliche Intelligenz, >Starke Künstliche Intelligenz, >Artificial General Intelligence, >Künstliche Neuronale Netze. 1. McCulloch, W. S. and Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, 115–137 - - - Norvig I 731 Neuronale Netzwerke/McCulloch/Pitts/Norvig/Russell: (McCulloch und Pitts, 1943)(1) waren sich sehr wohl bewusst, dass eine einzige Schwelleneinheit nicht alle ihre Probleme lösen würde. In der Tat beweist ihre Arbeit, dass eine solche Einheit die booleschen Grundfunktionen UND, ODER und NICHT darstellen kann, und sie argumentiert dann, dass jede gewünschte Funktionalität durch die Verbindung einer großen Anzahl von Einheiten zu (möglicherweise wiederkehrenden) Netzwerken beliebiger Tiefe erreicht werden kann. Das Problem war, dass niemand wusste, wie man solche Netzwerke trainieren kann. >Neuronale Netze/Norvig/Russell. 1. McCulloch, W. S. and Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, 115–137._____________ Zeichenerklärung: Römische Ziffern geben die Quelle an, arabische Ziffern die Seitenzahl. Die entsprechenden Titel sind rechts unter Metadaten angegeben. ((s)…): Kommentar des Einsenders. Übersetzungen: Lexikon der ArgumenteDer Hinweis [Begriff/Autor], [Autor1]Vs[Autor2] bzw. [Autor]Vs[Begriff] bzw. "Problem:"/"Lösung", "alt:"/"neu:" und "These:" ist eine Hinzufügung des Lexikons der Argumente. |
Pitts, Walter
Norvig I Peter Norvig Stuart J. Russell Artificial Intelligence: A Modern Approach Upper Saddle River, NJ 2010 |
||
> Gegenargumente gegen Pitts
> Gegenargumente zu Neuronale Netze ...
