FU Berlin, Fachbereich Mathematik und Informatik, Institut für Informatik
Schon kleine rekurrente Neuronale Netzwerke (das meint hier: solche mit beliebiger Verknuepfungsmatrix) koennen komplexe dynamische Eigenschaften besitzen: sowohl stationaeres Verhalten als auch Oszillationen und Chaos sind zu beobachten. Dabei wird das aktuelle Verhaltenspotential durch Kontrollparameter (synaptische Gewichte, Schwellwerte, stationaere Eingaenge, etc.) bestimmt.
Eine bislang offene Frage ist, inwieweit das reichhaltige dynamische Verhaltensrepertoire dieser Systeme zur Informationsverarbeitung nutzbar gemacht werden kann. Da zur Zeit keine effektiven Lernalgorithmen zum Training solcher Systeme mit innerer Dynamik existieren, wurde ein Evolutionsverfahren (ENS3=evolution of neural systems by stochastic synthesis) entwickelt. Dieser ENS3-Algorithmus evolviert geeignete, insbesondere auch rekurrente Netzwerkarchitekturen und optimiert simultan die Parameter der entstandenen Neuromodule. Dabei wird von einem verhaltensbezogenen Ansatz (sensomotorische Schleife) ausgegangen. Die Staerke dieses Verfahrens wird am Beispiel von Loesungen "klassischer" Kontrollprobleme demonstriert.
| [ home ] [ search ] [ up ] | webmaster@inf.fu-berlin.de |