Im Rahmen dieser Studienarbeit werden die Grundlagen von künstlichen neuronalen Netzen ausführlich von geschichtlicher Entwicklung über Aufbau bis hin zu Anwendungsgebieten erläutert, ehe am Beispiel von Pokerkarten ein solches Netz in Python beschrieben wird.
In der heutigen Zeit sind verschiedene Formen künstlicher Intelligenz (KI) fest im Alltag verankert – von Sprachassistenten auf dem Smartphone über kooperative Roboter bis hin zu Technologien bezüglich des autonomen Fahrens greifen alle auf die künstliche Intelligenz zurück. Neben diesen Einsatzmöglichkeiten existieren noch unzählige weitere, wie beispielsweise Diagnosen im medizinischen Bereich oder die Erforschung des menschlichen Gehirns.
Während in der „klassischen“ Programmierung von Software stets Regeln für alle verschiedenen Eintrittsfälle aufgestellt werden müssen, bieten künstliche neuronale Netze die Möglichkeit, sich durch Training mit großen Datensätzen selbst anzupassen und sind am Ende in der Lage Muster zu erkennen, Klassifizierungen vorzunehmen und vieles mehr. Hierzu sind herkömmlich entwickelte Programme nicht in der Lage, neuronale Netze aufgrund der Lernfähigkeit jedoch mit einem gewissen Fehlergrad schon. Trotz einer Anlehnung an biologische neuronale Netze, unterscheiden sich deren künstlich entwickelte Abbilder recht deutlich von der Vorlage.
Inhaltsverzeichnis
- Einleitung
- Theoretische Grundlagen
- Begriffseinordnung
- Künstliche Neuronale Netze
- Historische Entwicklung
- Aufbau
- Funktionen
- Lernmechanismus
- Anwendungsgebiete
- Beispiel Mustererkennung
- Einsatz von neuronalen Netzen beim Poker
- Regeln Poker (Texas Hold'em)
- Entwicklung neuronales Netz zur Einordnung der Hände
- Grundlagen
- Aufbau neuronales Netz
- Training neuronales Netz
- Testdurchlauf
- Regeln bei bekannten Online-Anbietern
- Fazit
Zielsetzung und Themenschwerpunkte
Die Studienarbeit befasst sich mit neuronalen Netzen und untersucht deren Anwendung im Bereich des Pokerspiels. Ziel ist es, die Grundlagen neuronaler Netze darzustellen, ihre Funktionsweise zu erläutern und ein Anwendungsbeispiel für die Einordnung von Pokerhände zu entwickeln.
- Künstliche Intelligenz und ihre Teilbereiche: Machine Learning und Deep Learning
- Aufbau und Funktionsweise neuronaler Netze
- Lernmechanismus und verschiedene Aktivierungsfunktionen
- Einsatz von neuronalen Netzen in der Mustererkennung und im Poker
- Entwicklung eines neuronalen Netzes zur Einordnung von Pokerhände
Zusammenfassung der Kapitel
Die Einleitung führt in das Thema der Studienarbeit ein und erläutert die Relevanz von neuronalen Netzen. Kapitel 2 legt die theoretischen Grundlagen für das Verständnis neuronaler Netze. Es beleuchtet die historische Entwicklung, den Aufbau und die Funktionsweise von neuronalen Netzen sowie die verschiedenen Lernmechanismen. Außerdem werden wichtige Anwendungsgebiete von neuronalen Netzen vorgestellt.
Kapitel 3 widmet sich dem Einsatz von neuronalen Netzen im Kontext des Pokerspiels. Es werden die Regeln des Texas Hold'em erläutert und die Entwicklung eines neuronalen Netzes zur Einordnung von Pokerhände beschrieben. Dabei wird auf die Grundlagen des Netzes, seinen Aufbau, das Training und die Testdurchläufe eingegangen.
Schlüsselwörter
Die Studienarbeit beschäftigt sich mit den Themenbereichen Künstliche Intelligenz, Machine Learning, Deep Learning, Neuronale Netze, Mustererkennung, Poker, Texas Hold'em, Lernverfahren und Anwendung von neuronalen Netzen. Die zentralen Begriffe der Arbeit sind Künstliche Neuronale Netze, Aktivierungsfunktionen, Backpropagation, Training, Testdurchlauf und Pokerhand-Einordnung.
- Citation du texte
- Finn Floruß (Auteur), 2021, Neuronale Netze. Geschichtliche Entwicklung, Aufbau und Anwendungsgebiete, Munich, GRIN Verlag, https://www.grin.com/document/1043437
