5.3.3 Neuronale Netze

Eine weitere Anwendung, die hier betrachtet wird, sind die künstlichen neuronalen Netze. An dieser Stelle wird das Konzept kurz vorgestellt. (vgl. Gör00, S. 73ff) Im Zentrum steht eine Menge von künstlichen Neuronen, die untereinander verbunden sind. Jedes Neuron besitzt eine Vielzahl von Eingangsleitungen, die gewichtet werden, d. h. jede Eingangsleitung hat einen unterschiedlich starken Einfluss auf das Neuron. Jedes Neuron ermittelt anhand seiner Aktivierungsfunktion und den Eingangswerten seinen eigenen Zustand und gibt die entsprechende Information an seine Ausgangsleitung weiter. Diese Ausgangsleitung kann nun wiederum als Eingangsleitung für verschiedene Neuronen dienen. Dadurch entsteht das in Abbildung 5 auf Seite dargestellte Netz.

Abbildung 5: Neuronales Netz

Einige Neuronen bilden die Eingangsschicht. Über die Eingangsleitungen dieser Neuronen erfolgt die Eingabe. Weiterhin bilden einige Neuronen die Ausgangsschicht. Über die Ausgangsleitungen dieser Neuronen erfolgt die vom neuronalen Netz ermittelte Ausgabe. In der einfachsten Architektur besteht ein neuronales Netz aus lediglich einem Neuron mit einer Vielzahl von Eingangsleitungen. Dieses neuronale Netz kann, da nur eine Ausgangsleitung vorhanden ist, lediglich ja/nein Ergebnisse liefern. Darüber hinaus kann in solch einem neuronalen Netz keine XOR-Verknüpfung abgebildet werden. Deshalb ist man wesentlich später zu mehrschichtigen neuronalen Netzen übergegangen, wie in Abbildung 5 gezeigt. Zwischen Ein- und Ausgabeschicht befindet sich eine Vielzahl von (versteckten) Schichten.

Bevor ein neuronales Netz eine Aufgabe lösen kann, muss es trainiert werden. Durch das Training werden die Gewichte an den Eingangsleitungen festgelegt. Bei einigen Varianten von neuronalen Netzen erfolgt weiterhin eine Festlegung des Schwellenwertes der Aktivierungsfunktion. Das neuronale Netz lernt anhand von Beispieldaten. Nach der Lernphase kann das neuronale Netz für die eigentliche Aufgabe verwendet werden.

Neuronale Netze sind eine sehr eindrucksvolle Anwendung von Emergenz. Während der Trainingsphase findet eine Selbstorganisation der Netzstruktur statt. Als Ergebnis können komplexe Aufgaben wie Muster- und Spracherkennung gelöst werden. Ein interessanter Beitrag in diesem Zusammenhang ist der synergetische Computer von Haken. (z. B. bei HW90) Er formuliert damit ein sehr ähnliches Vorgehen, allerdings geht Haken bei der Betrachtung von der Makroebene (Gesamtverhalten) und nicht vom einzelnen Individuum (Neuronen) aus.