Der Versuch, Maschinen das Denken beizubringen, hat den Status der Science-Fiction längst überschritten. Künstliche Intelligenz ist mittlerweile ein Forschungsfeld für Wissenschaftler verschiedenster Disziplinen. Ein Ansatz, die Funktionsweise der menschlichen Intelligenz auf dem Computer nachzubilden, hat seinen Ursprung in der Biologie und basiert auf Modellen von Neuronalen Netzen.
Eric Thomas geht der Funktionsweise und den Anwendungsmöglichkeiten dieser Modelle nach. Dabei zeigt er, dass es nicht nur um die Frage geht, ob Neuronale Netze Maschinen das Denken beibringen können, sondern auch darum, wie nutzerfreundlich sich die Erstellung und die Simulation von Neuronalen Netzen durch Softwarelösungen gestalten lässt.
Aus dem Inhalt:
- Künstliche Intelligenz;
- Neuronale Netze;
- Künstliche Neuronale Netze;
- Usability;
- MemBrain;
Inhaltsverzeichnis
1 Einleitung
2 Biologische Grundlagen
2.1 Die Nervenzelle
2.2 Die Bestandteile eines Neurons
2.3 Künstliche Intelligenz
2.4 Die Geschichte künstlicher Intelligenz
3 Neuronale Netze
3.1 Begriffliche Abgrenzung
3.2 Neuronale Modelle
3.3 Das Neuron
3.4 Die Funktionsweise neuronaler Netze
3.5 Der Lernalgorithmus
3.6 Die Vernetzungsstruktur
3.7 Die Berechnungsreihenfolge
3.8 Die Optimierungsprobleme
3.9 Die Propagierungsfunktion
3.10 Die Aktivierungsfunktion
3.11 Die Ausgabefunktion
3.12 Der Netzwerkgraph
3.12.1 FF-Netze
3.12.2 FB-Netze
3.13 Die Lernregeln
3.13.1 Die Hebb‘sche Lernregel
3.13.2 Die Delta-Regel
3.13.3 Die generalisierte Delta-Regel
3.13.4 Die Backpropagation
3.13.5 Competitive Learning
3.13.6 Übersicht aller Regeln
3.14 Das Perzeptron
3.14.1 Lernregeln für das Perzeptron
3.15 Die Netztypen
3.15.1 Pattern Associator
3.15.2 Rekurrente Netze
3.15.2.1 Hopfield-Netze
3.15.2.2 Jordan-Netze
3.15.2.3 Elman-Netze
3.15.3 Kompetitive Netze
3.15.4 Kohonen-Netze
3.15.5 Übersicht aller Netztypen
3.16 Anwendungsbeispiele neuronaler Netze
3.16.1 Farbkonstanz
3.16.2 Anwendungsmöglichkeiten in der Betriebswirtschaft
4 Usability
4.1 Definition Usability
4.1.1 Effektivität
4.1.2 Effizienz
4.1.3 Zufriedenheit
4.2 Usability-Probleme
4.3 Usability-Engineering
4.4 Methoden der Usability-Evaluation
4.4.1 Heuristische Evaluation
4.4.1.1 Ablauf
4.4.1.2 Kritik
4.4.2 Cognitive Walkthrough
4.4.2.1 Ablauf
4.4.2.2 Vorbereitung
4.4.2.3 Analyse
4.4.2.4 Lösungsfindung
4.4.2.5 Kritik
4.4.3 Fragebögen
4.4.3.1 Ziele
4.4.3.2 Teilnehmer
4.4.3.3 Organisator
4.4.3.4 Vorbereitung
4.4.3.5 Durchführung
4.4.3.6 Nachbereitung
4.4.3.7 Ergebnisse / Output
4.4.3.8 Vorteile
4.4.3.9 Nachteile
4.4.3.10 Varianten
5 Durchführung von Probanden-Tests mithilfe der Software MemBrain
5.1 Was ist MemBrain?
5.2 Grundlagen
5.2.1 Input und Netzinput
5.3 Funktionsweise von MemBrain
5.3.1 Anpassungen der Voreinstellungen
5.3.2 Erstellen von Units
5.3.3 Erstellen von Verbindungen
5.3.4 Auswählen einer Aktivitätsfunktion
5.3.5 Trainingsphase
5.3.6 Testphase
5.4 Beschreibung der Probanden-Tests
6 Zusammenfassung
6.1 Eigenschaften
6.1.1 Positive Eigenschaften
6.1.2 Negative Eigenschaften
6.2 Grundlagen
6.3 Lernregeln
6.4 Netztypen
6.5 Anwendungen
6.6 Verifizierung der Masterthesis
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist die Dokumentation und Usability-Evaluation der Software "MemBrain" zur Erstellung neuronaler Netze. Es wird untersucht, wie Anwender, auch ohne tiefgreifende Vorkenntnisse, neuronale Netze mithilfe dieses Programms erstellen und trainieren können.
- Grundlagen neuronaler Netze und biologische Inspiration
- Methodik der Usability-Evaluation und des Software-Engineerings
- Praktische Erprobung der Software MemBrain mittels Probanden-Tests
- Analyse und Bewertung der Benutzerfreundlichkeit basierend auf empirischen Daten
- Verifizierung der Eignung der Software für den Einsatz durch Laien
Auszug aus dem Buch
3.13.1 Die Hebb‘sche Lernregel
Die Anwendung der Hebb’schen Lernregel stellt eine der elementarsten Möglichkeiten dar, um Lernvorgänge innerhalb neuronaler Netze zu realisieren. Sie wurde im Jahre 1949 von Donald O. Hebb aufgestellt. Eine Definition dieser Regel könnte wie folgt lauten: Sobald das Axon einer Zelle auf eine andere Zelle einwirkt, kommt es zur Entstehung von sogenannten Aktionspotentialen innerhalb der anderen Zellen. Dadurch kann es entweder in nur einer oder sogar in beiden Zellen geschehen, dass ein Prozess des Wachstums vonstattengeht. Mithilfe dieses Wachstums erhöht sich der Wirkungsgrad der ersten Zelle gegenüber der Aktionspotentialerzeugung der zweiten Zelle. Einfacher gesagt lässt sich auch formulieren: Wenn zwei Neuronen sehr oft parallel und zur gleichen Zeit aktiv arbeiten, steigt die Wahrscheinlichkeit, dass beide aufeinander reagieren. Somit wird die Synapse gefestigt, wodurch zur selben Zeit aktive Neuronen eine untereinander verbundene Arbeitsweise erreichen können. Zur Aufstellung dieser Aussagen gelang Hebb durch das Experimentieren und Feinjustieren an der synaptischen Übertragung zweier Neuronen. Dank dieser Forschungsarbeiten gilt Hebb heutzutage als Wegbereiter der synaptischen Plastizität, welche die Basis jeglicher Form des Lernens darstellt.
Zusammenfassung der Kapitel
1 Einleitung: Diese Einleitung beschreibt das Thema der Masterthesis zur Usability-Evaluation der Software "MemBrain" und erläutert den strukturellen Aufbau der Arbeit.
2 Biologische Grundlagen: In diesem Kapitel werden die biologischen Prinzipien natürlicher Nervenzellen sowie die Entstehung und Entwicklung der künstlichen Intelligenz dargestellt.
3 Neuronale Netze: Dieser Hauptteil bietet einen detaillierten Überblick über neuronale Modelle, Funktionsweisen, Lernalgorithmen, Netztypen und praktische Anwendungsbeispiele.
4 Usability: Das Kapitel definiert den Begriff der Usability und stellt verschiedene Methoden zur Evaluation der Benutzerfreundlichkeit von Software vor.
5 Durchführung von Probanden-Tests mithilfe der Software MemBrain: Hier wird der praktische Teil der Arbeit beschrieben, inklusive der Funktionsweise von MemBrain und der durchgeführten Probanden-Tests.
6 Zusammenfassung: Dieses Kapitel fasst die wesentlichen Erkenntnisse zu den Eigenschaften, Grundlagen, Lernregeln und Anwendungen neuronaler Netze sowie die Verifizierung der Arbeit zusammen.
Schlüsselwörter
Neuronale Netze, MemBrain, Usability, Benutzerfreundlichkeit, Künstliche Intelligenz, Lernalgorithmen, Backpropagation, Probanden-Tests, Software-Evaluation, Delta-Regel, Hebb-Regel, Perzeptron, Mustererkennung, Mensch-Computer-Interaktion, Netztypen.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit der Dokumentation und der wissenschaftlichen Bewertung der Benutzerfreundlichkeit der Software "MemBrain", die zur Simulation neuronaler Netze eingesetzt wird.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Themen sind die theoretischen Grundlagen neuronaler Netze, die Prinzipien des Usability-Engineerings und die praktische Evaluation von Softwareanwendungen.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es, zu analysieren, ob neuronale Netze mithilfe der Software "MemBrain" auf einfache Weise erstellt werden können und wie die Software hinsichtlich ihrer Nutzbarkeit für Anwender zu bewerten ist.
Welche wissenschaftliche Methode wurde verwendet?
Die Arbeit nutzt eine Kombination aus theoretischer Literaturanalyse zu neuronalen Netzen und Usability-Methoden sowie eine empirische Untersuchung durch Probanden-Tests mit dem Programm MemBrain.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in eine detaillierte Erläuterung neuronaler Netzstrukturen (wie Perzeptron, Kohonen-Netze, Backpropagation) und die theoretischen sowie praktischen Ansätze zur Evaluation von Software-Usability.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind Neuronale Netze, MemBrain, Usability, Evaluation, Lernalgorithmen, Probanden-Tests und Künstliche Intelligenz.
Was ist der besondere Vorteil von "MemBrain" als Softwarelösung?
Laut der Arbeit zeichnet sich MemBrain durch seine Open-Source-Natur und eine umfangreiche Hilfefunktion aus, die einen problemlosen Einstieg für neue Nutzer ermöglicht.
Welche Erkenntnis gewannen die Testpersonen bei der Nutzung von MemBrain?
Es wurde festgestellt, dass ein intuitives und komplett problemloses Arbeiten ohne begleitende Tutorials oder Hilfestellungen für Anfänger schwierig ist.
- Citation du texte
- Eric Thomas (Auteur), 2017, Software zur Simulation Neuronaler Netze. Eine Bewertung der Nutzerfreundlichkeit, Munich, GRIN Verlag, https://www.grin.com/document/378453
