Beispiele für die Anwendung neuronaler Netze

Neuronale Netze verfügen über interessante Assoziationsfähigkeiten, sind  fehlertolerant und lernfähig. Sie können vorteilhaft bei Sachverhalten eingesetzt werden, die gar nicht oder aufwändig zu formalisieren sind. Die Art der Verarbeitung ist dadurch gekennzeichnet, daß die vorhandene Wissensbasis, bestehend aus bekannten Beispielen, durch das "Lernen" im  neuronalen Netz bzw. in der neuronalen Matrix aufgenommen wird. Das ”Lernen” durch Beispiele erspart eine aufwendige Erstellung von Regeln. Nach dem "Lernen" können Ergebnisse auch für nicht gelernte Beispiele abgerufen werden. Diese assoziative Eigenschaft erlaubt die Weiterentwicklung von Erfahrungswerten, die Ergänzung von Meßreihen, die Optimierung von Stichprobenmessungen, die Erfassung von Nomogrammen und Katalogwerten und im allgemeinen auch schwierige und unklare Zusammenhänge zwischen einem Systemeingang und Ausgang zu beschrieben.

Um jedoch zum breiteren Einsatz zu kommen, müssen sie einfach anzuwenden sein und das bereitgestellte Grundwissen mit gewünschter Genauigkeit verarbeiten. Ein problemloser Einsatz muß sich daher auf die Eingabe des Grundwissens in Form von Datensätzen und auf die Ausgabe der Ergebnisse beschränken. Das für die Lösung der vorgestellten Beispiele verwendete  Backpropagation-Netzwerk von ARTIFIN konfiguriert sich von selbst, konvergiert  zuverlässig,  arbeitet mit gewünschter Genauigkeit und ist somit autark.

 Das Anwendungsbeispiel “Fahrzeugtyperkennung” zeigt die Stärke des neuronalen Netzes im Vergleich mit anderen Methoden

Mehr über Fahrzeugtyperkennung erfahren?