Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- history_in_a_nutshell [2024/01/21 13:16] – torsten.roehl
+++ history_in_a_nutshell [2024/01/21 13:24] (aktuell) – torsten.roehl
@@ Zeile 1: / Zeile 1: @@
 ====== History in a nutshell  ======
-Diese sehr kurze Übersicht über die Geschichte der neuronalen Netze soll hauptsächlich von Personen und deren Leistungen erzählen, die in den noch folgenden Lernabschnitten zu neuronalen Netzen besprochen werden.
+Diese sehr kurze Übersicht über die Geschichte der neuronalen Netze soll hauptsächlich von Personen und deren Leistungen erzählen, die in hier behandelten Lernabschnitten zu neuronalen Netzen besprochen werden.
 | <color #00a2e8>**1943**</color>|Warren McCulloch und Walter Pit| <WRAP>{{ :inf:ki:mcculloch.jpg? |}}
@@ Zeile 22: / Zeile 22: @@
 Perzeptron-Konvergenz-Theorem.
 </WRAP> |
+| <color #00a2e8>**1969**</color>|**Marvin Minsky** und **Seymour Papert** führten in ihrem Klassiker //„Perceptrons“// eine genaue mathematische Analyse des Perzeptrons durch und zeigten, dass das Modell viele wichtige Probleme wie z.B. das ''XOR-Problem'' nicht lösen kann. Leider folgerten sie daraus, dass auch mächtigere Modelle als das Perzeptron die gleichen Probleme aufweisen und bezeichneten das gesamte Gebiet der neuronalen Netze als //„research dead-end“//. Dies erwies sich als falsch, war aber dennoch der Auslöser dafür, dass Forschern auf diesem Gebiet in den nächsten 15 Jahren nur wenige Forschungsgelder zur Verfügung standen.|<WRAP>{{ :inf:ki:papert.jpg? |}}
+Seymour Papert
+</WRAP> |
+| <color #00a2e8>**1982**</color> |**John Hopfield** (Physiker) beschrieb in seinem berühmten Artikel //„Neural networks and physical systems with emergent collective computational abilities“// ein Modell das jetzt als Hopfield-Netz bekannt ist. Das Hopfield-Netz ist ein neuronales Äquivalent des Ising-Modells aus der statistischen Physik, was uns hier aber nicht weiter zu interessieren braucht.  Später erweiterte er das Modell auf kontinuierliche Hopfield-Netze und zeigte in seinem Artikel //„Neurons with graded response have collective computational properties like those of twostate neurons“//, dass diese Netze mit Hilfe einer Energiefunktion untersucht werden können. 1985 veröffentlichte er einen Artikel //"Neural Computation of Decisions in Optimization Problems"// und stellte dar, wie diese Netze  Optimierungsaufgaben, darunter das berühmte Travelingsalesman-Problem, lösen können. Damit überzeugte er viele Forscher von der Wichtigkeit des Forschungsgebiets. |<WRAP>{{ :inf:ki:hopfield.jpg? |}}
+Hopfield übertrug Methoden der statistischen Physik auf die Theorie der neuronalen Netze.
+</WRAP> |
+| |**Teuvo Kohonen** ist vor allem für seine Arbeiten über Netzwerke, die als Self-Organizing-Maps (**Selbstorganisierende Karten**) oder  eben Kohonennetze bezeichnet werden, bekannt geworden.  Diese Netzwerktypen sind biologisch gut motiviert. |<WRAP>{{ :inf:ki:kohonen.jpg? |}}
+Teuvo Kohonen und seine //"Self-Organizing Maps"// (Kohonennetze) weisen interessante Analogien zu den neuronalen Karten (Homunculus) des menschlichen Gehirns auf.
+</WRAP>|