Neuronale Netze bestehen aus künstlichen Neuronen, die durch synaptische Verbindungen gekoppelt sind. Ähnlich wie ein Gehirn lassen sich neuronale Netze für bestimmte Aufgaben trainieren. Sie werden z. B. bei der Qualitätskontrolle (Industrie), bei der Überprüfung auf Bonität (Bankwesen), bei Routingstrategien, bei der Diagnose (Medizin) oder auch bei der Spracherkennung angewandt.
Mithilfe des Lern-Programms Netz32 lassen sich solche Netze erstellen und trainieren. Eine graphische Benutzeroberfläche erlaubt es, (nahezu) beliebige Strukturen von Netzen zu erzeugen; dabei kann man zwischen verschiedenen Aktivierungsfunktionen mit frei wählbaren Werten für die Schwellenwerte auswählen. Obendrein können spezielle Netztypen (3-schichtiges Perzeptron und Hopfieldnetz) automatisch generiert werden. Die Anzahl der Neuronen ist auf 60 beschränkt. Die Benutzeroberfläche ist so gestaltet, dass man den Verlauf des Lernprozesses in der Grafik beobachten kann.
Neben der Software werden eine Reihe von Beispiel-Dateien und ein umfangreiches Skript (23 Seiten) zur Verfügung gestellt. In diesem Skript zeige ich nicht nur, wie man mit der Netz32-Software umgeht; vielmehr führe ich auch ausführlich in die Grundlagen der neuronalen Netze ein.
Downloads
- Software
- Beispieldateien
- Skript (01.04.2026): Netz32_neu
Quellen und Literaturempfehlungen
- U. Lämpel, J. Cleve: Künstliche Intelligenz, Fachbuchverlag Leipzig im Carl Hanser Verlag; München/Wien 2001
- D. Nauck, F. Klawonn, R. Kruse: Neuronale Netze und Fuzzy-Systeme, Vieweg; Braunschweig/Wiesbaden 1996
- W. Lindenmair: Neuronale Netze, Ernst Klett Schulbuchverlag, Stuttgart 1995