modifiziert
und ergänzt für die Archäologie von Peter Stadler
Neuronale Netze bilden die Struktur und Informationsarchitektur von Gehirn und Nervensystem von Tieren und Menschen: Neuronen und Glia (Stützgerüst) sind in der Art eines Netzes miteinander verknüpft. Zwischen ihnen findet auf chemischem und elektrischem Weg ein Informationsaustausch statt.
Die "Schaltungstechnik" von Neuronen kennt üblicherweise mehrere
Eingangsverbindungen sowie eine Ausgangsverbindung. Wenn die Summe der
Eingangsreize einen gewissen Schwellenwert überschreitet, der wiederum von
einer Inhibitor-Leitung beeinflusst sein kann, "feuert" das Neuron:
Ein Aktionspotenzial wird an seinem Axonhügel ausgelöst und entlang des Axons
weitergeleitet - das Ausgangssignal des Neurons.
Inhaltsverzeichnis
|
Über das Lernen in neuronalen Netzen gibt es verschiedene Theorien. Die erste neuronale Lernregel wurde 1949 von Donald O. Hebb beschrieben (Hebb'sche Lernregel); wesentliche Entwicklungen erfolgten u.a. durch Arbeiten des Finnen Teuvo Kohonen Mitte der 1980er Jahre.
Daraus ergaben sich typische Eigenschaften neuronaler Netze, die gleichermaßen für natürliche wie für künstliche Systeme gelten. Dazu gehört die Eigenschaft, dass sie komplexe Muster lernen können, ohne dass eine Abstraktion über die diesen Mustern zugrunde liegenden Regeln stattfindet. Das heißt, vor dem Lernen müssen diese Regeln nicht entwickelt werden – aber nachher kann aus dem neuronalen Netz auch nicht die Logik ermittelt werden, die dessen Lernerfolg ausmachte.
Das richtige Trainieren eines neuronalen Netzes ist somit Voraussetzung für
den Lernerfolg bzw. für die richtige Verarbeitung eines Musters in einem
Nervensystem. Umgekehrt gilt, dass eine Vorhersage über die
"richtige" Interpretation eines Musters durch ein neuronales Netz
nicht präzise möglich ist, solange nicht dieses spezifische Netz mit dieser
spezifischen Lernerfahrung angewendet bzw. durchgerechnet wird.
Das wohl allgemein bekannteste Beispiel für neuronale Netzwerke ist OCR (Optical Character Recognition).
Der wohl wichtigste Bereich der Anwendung im Bereich der Archäologie steckt noch in den Kinderschuhen, nämlich die automatische Klassifikation archäologische Fundobjekte unter Verwendung von Zeichnungen oder 3D-Punkt-Wolken von Scans.
In Prag am archäologischen Institut (Prof. Salaš) läuft ein Projekt zur Klassifikation von La Tène-Keramik unter Verwendung neuronaler Netzwerke.
letzte Bearbeitung 05.10.2017