Einsatz Neuronaler Netze Zur Mustererkennung

Studienarbeit aus dem Jahr 2001 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2,3, Gottfried Wilhelm Leibniz Universitat Hannover (Institut fur Wirtschaftsinformatik), Veranstaltung: Seminar Wirtschaftsinformatik SS 2001, Sprache: Deutsch, Abstract: Der Mensch ist in der Lage, Gegenstande und Gerausche zu erkennen und zu identifizieren, auch wenn er diese noch nie zuvor gesehen oder gehort hat. Er erkennt sie nach bestimmten Mustern, die er im Laufe seiner Entwicklung gelernt und gespeichert hat. Wahrend der Leser diese Zeilen liest, erkennt er in Sekundenbruchteilen die Buchstaben und Worter, auch wenn diese in verschiedenen (unbekannten) Schriftarten oder -groen dargestellt sind. Das menschliche Gehirn ist zur Mustererkennung fahig. Da der Mensch uber eine begrenzte Informationsverarbeitungskapazitat verfugt, liegt die Uberlegung nahe, mit elektronischen Datenverarbeitungsanlagen (Computer) Mustererkennung nach menschlichem Vorbild durchzufuhren. Wie gut erkennt jedoch ein Computer ein unvollstandiges Bild oder ein akustisches Signal, das von Rauschen uberdeckt ist? Wahrend der Mensch in der Lage ist, unvollstandige Bilder zu komplettieren und Storgerausche vom eigentlichen Signal zu trennen, steigen in diesen Fallen bei Computern die Fehlerraten bei der Mustererkennung sehr stark. Um dies zu verhindern, werden immer haufiger kunstliche neuronale Netze (KNN) eingesetzt. KNN sind Netzsysteme fur Computer, die Daten massiv parallel verarbeiten und zudem lernfahig sind. Das bedeutet, dass sie mit jeder Mustererkennung ihr Wissen erweitern und fur zukunftige Einsatze verwenden. Die Fehlerraten bei der Mustererkennung unter Einsatz kunstlicher neuronaler Netze sinken erheblich.