Simon Wehner
Fachbereich Physik
Nanowissenschaften
Dozent: Prof. Dr. Buck
Sommersemester 2010
0. Gliederung
1. Kurzbiographie Steinbuch
2. Einleitung
3. Die Lernmatrix
3.1 Matrixelemente
3.2 Neuronenschicht
3.3 Schichtung
4. Lernalgorithmus
5. Kann-Phase
6. Rückkopplung
2
1. Kurzbiographie Steinbuch
Karl Steinbuch
geb. am 15. Juni 1917 in Stuttgart
war deutscher Kybernetiker,
Nachrichtentechniker und
Informationstheoretiker
Pionier der künstlichen
neuronalen Netze
Mitbegründer der künstlichen
Intelligenz
3
1. Kurzbiographie Steinbuch
war langjähriger Direktor der
Technischen Hochschule
Karlsruhe
die Ausprägung des Begriffs
„Informatik“ geht auf
Steinbuch zurück (1957)
gest. am 4. Juni 2005
in Ettlingen
4
2. Einleitung
künstliche neuronale Netze (KNN) werden weltweit
erforscht, entwickelt und eingesetzt
die ersten brauchbaren KNN erfand und beschrieb
Steinbuch in der Zeitschrift „Kybernetik“ unter dem
Titel „Die Lernmatrix“ (1961)
allerdings bekam Steinbuchs Lernmatrix zunächst
wenig Beachtung
5
2. Einleitung
Blütezeit der künstlichen neuronalen Netze:
1955 - 1969
1969: Verdikt von Minsky und Papert
Ruhephase 1969 – 1985
Renaissance
1985 - heute
6
3. Die Lernmatrix
im heutigen Sprachgebrauch würde sie wohl „Das
adaptive künstliche neuronale Netzwerk“ heißen
elektronisches System zur parallelen Verarbeitung
analoger oder digitaler Datenmengen
Vorbild: biologische Systeme (natürliche neuronale
Netze)
mit diesem System werden die Begrenzungen
überwunden, die einem Vorgängermodell
(„Perceptron“ nach Rosenblatt) noch anhafteten
7
3. Die Lernmatrix
originale Darstellung der
Lernmatrix nach Steinbuch
Kreisförmige Elemente an
Kreuzungspunkten
elektronisches „Auge“ wandelt
Gestalten in el. Signale um
(Eigenschaften)
Ausgangssignale werden nach
links abgegeben (Bedeutungen)
Satz von Eigenschaften führt
zu Satz von Bedeutungen
Prinzip der Lernmatrix
8
3. Die Lernmatrix
3.1 Matrixelemente
neu an Steinbuchs Lernmatrix: als Matrixelemente
werden nicht nur Dioden mit der bekannten Kennlinie
zugelassen, sondern auch Elemente mit ganz anderen
Kennlinien
d.h., dass sich die Ausgangssignale aus einer Summe
von Strömen ergeben, wobei jeder Strom aus dem
Eingangssignal e und dem zugehörigen Matrixelement
besteht
realisiert werden die Matrixelemente durch
veränderbare Leitwerte
9
3. Die Lernmatrix
3.1 Matrixelemente
a: Realisierung der
Matrixelemente durch
veränderbare Leitwerte
b: einige Kennlinien:
α: lineare Widerstände
β: Elemente mit
abgerundetem
Treppenstufenverlauf
γ: Elemente mit
Treppenstufencharakteristik
10
3. Die Lernmatrix
3.1 Matrixelemente
(nichtlineare) Leitwerte
befinden sich am
Eingang und sind
individuell einstellbar
jede Zeile der Matrix
wird zusammengefasst
zu einem „Neuron“
vom „Neuron“ geht es
direkt zum Ausgang b
modernere Darstellung neuronaler Netze
11
3. Die Lernmatrix
3.2 als Neuronenschicht
Darstellung der Lernmatrix als Neuronenschicht
12
3. Lernmatrix
3.3 Schichtung
Grundidee: die Bedeutungen dienen als neue
Eigenschaften
die neuen Eigenschaften werden jeder Zeile einer
neuen Matrix zugeführt
erhalten neuen Satz an Bedeutungen
diese können wiederum als neue Eigenschaften
interpretiert werden
usw.
13
3. Die Lernmatrix
3.3 Schichtung
Schichtung von Lernmatrizen
Neuronendarstellung
14
4. Der Lernalgorithmus
dem System werden Eigenschaften e und
Bedeutungen b zugeführt
Matrixelemente werden in ihren Werten verändert
nach einer Vielzahl solcher Lernvorgänge ergibt sich
eine ausreichende Veränderung der Matrixelemente,
damit jedem Eigenschaftssatz die jeweilige Bedeutung
ausgegeben wird
komplementären Eigenschaftssignale e und ē
repräsentieren fördernde und hemmende Einflüsse
15
4. Der Lernalgorithmus
erster Nutzen und Anwendung:
mit ausreichendem Arbeitsaufwand ließen sich die
vorgeschlagenen Systeme in Hardware realisieren
das war vor allen Dingen ein Vorteil, wenn man
bedenkt, dass es die heutzutage allseits gegenwärtigen
Computer noch nicht gab
16
5. Die Kann-Phase
nach Abschluss der Lernphase ist das Steinbuch´sche
System einsatzbereit
System befindet sich in der „Kann-Phase“
Lernmatrix
Bedeutungsmatrix
(reine Begriffsunterscheidung)
Matrizen haben die nicht nur Fähigkeit, erlernte
Muster wiederzuerkennen, sondern sie erkennen,
wenn ähnliche Muster auftauchen
Forschung bis heute
17
5. Die Kann-Phase
Prinzip der Bedeutungsmatrix
18
6. Rückkopplung
Untersuchung des
Verhaltens des Systems,
wenn der Ausgang wieder
mit dem Eingang
verbunden wird
Neuronenschicht mit Rückkopplung
19
6. Rückkopplung
rückgekoppelte
Schaltung hat wieder
Ein- und Ausgänge
rückgekoppelte Schaltung in Matrixform
20
6. Rückkopplung
Anwendung:
selbstprüfendes und
selbstreparierendes
System
zusätzliche Information
über den Zustand des
Systems wird
gespeichert
selbstprüfendes und selbstreparierendes System
21
Literatur
Hilberg, Wolfgang (1995). Karl Steinbuch, ein zu Unrecht
vergessener Pionier der künstlichen neuronalen Systeme
Künstliches neuronales Netz, Online unter:
http://de.wikipedia.org/wiki/Künstliches_neuronales_Net
z. Stand: 8.7.2010
Karl Steinbuch, Online unter:
http://de.wikipedia.org/wiki/Karl_Steinbuch.
Stand: 8.7.2010
Karl Steinbuch, Online unter:
http://xputers.informatik.unikl.de/papers/publications/karl-steinbuch.html.
Stand: 8.7.2010
http://www.cyranos.ch/doppel32.htm. Stand: 8.7.2010
22
Vielen Dank
für die
Aufmerksamkeit
23
