Einsatzmöglichkeiten neuronaler Netze in der Industrie

Der Band richtet sich an Leser, die ein tiefgehendes Verständnis für die Klassifikation mit neuronalen Netzwerken und herkömmlichen Methoden erlangen möchten. Er bietet eine realistische Einschätzung der Leistungsfähigkeit von Mustererkennungssystemen und entkräftet übertriebene Aussagen über neuronale Netzwerke, die oft als „menschlich“ oder als potenzielle „Ersatztechnologie“ dargestellt werden. Stattdessen wird die Entstehungsgeschichte der neuronalen Netzwerke und deren Verbindung zu traditionellen Polynomklassifikatoren fundiert erläutert. Das zeitliche Lernverhalten aller Verfahren sowie deren Konvergenzfähigkeit werden anschaulich in Abhängigkeit von der Startbelegung der Netzwerkgewichte, der Merkmalsnormierungen und der Wahl der Lernparameter dargestellt und interpretiert. Die Aussagen basieren auf Untersuchungen realer Klassifikationsprobleme aus der Medizintechnik und Verkehrstechnik, unter Berücksichtigung verschiedener Sensoriken wie Infrarot, Radar, Radiometer und sichtbare Wellenlängen. Zu den behandelten Themen gehören neuronale Netze, Lernverfahren, die Hessenberg-Matrix für dreilagige Backpropagation-Netzwerke, der Vergleich von Optimierungsverfahren, die Datenbasis und Untersuchungen sowie die Merkmalnominierung und der Einfluss von Lernparametern auf die Konvergenzgeschwindigkeit.