Rekursive Auto-Assoziative Speicher (RAAM) sind spezielle Neuronale Netze (NN),
die in der Lage sind, hierarchiche Strukturen zu verarbeiten. Bei der
Simulation dieser Netze gibt es einige Besonderheiten, wie z.B. die dynamische
Trainingsmenge, zu beachten. In der Arbeit werden diese und die daraus
resultierenden angepassten Lernalgorithmen erörtert. Außerdem wird ein
normaler Backpropagation-Simulator (Xerion) um die Fähigkeiten für die
Simulation von RAAMs erweitert.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa.de:swb:ch1-200300536 |
| Date | 06 June 2003 |
| Creators | Seifert, Christin, Parthey, Jan |
| Contributors | TU Chemnitz, Fakultät für Informatik |
| Publisher | Universitätsbibliothek Chemnitz |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | deu |
| Detected Language | German |
| Type | doc-type:StudyThesis |
| Format | text/html, application/pdf, application/postscript, text/plain, text/plain, text/plain, application/pdf, text/plain, application/zip |
Page generated in 0.0023 seconds