techtop

Künstliche Neuronale Netze

Künstliche Neuronale Netze (KNN) sind mathematische Algorithmen. Diese simulieren bestimmte Funktionen eines Nervensystems: KNN können lernen; aus Daten (Beobachtungen) „Schlüsse zu ziehen“ und Regelmäßigkeiten erkennen, sowie Vorhersagen über ihre Umwelt machen. KNN sind Netzwerke aus einfachen Gleichungen, die sich wie Modellneuronen verhalten.

Ein Neuronales Netz ist demnach eine mathematische Gleichung, die aus Datensätzen ein typisches Muster erlernt, welches für den normalen Beobachter nicht in den Datensätzen zu erkennbar ist.

Werden Neuronale Netze zum Beispiel mit Daten aus einem Prozess trainiert, erlernen Sie, wie bestimmte Prozessgrößen zu bestimmten Effizienzgraden oder Qualitäten eines Produktes führen. Dieses erlernte Wissen kann man gezielt abfragen, um Qualitätsanalysen vorweg zu nehmen (Softsensor), mehr über den Prozess zu lernen (Prozessanalyse) oder sogar den Prozess optimal zu steuern.

Es gibt mehrere hundert verschiedener Typen Neuronaler Netze. Jeder Typ erfordert Expertenwissen vom Bediener. Optimale Auswahl und Verwendung Neuronaler Netze können nur ganz wenige Experten leisten. Fehler bei der Konfiguration führen zu Misserfolgen. Diese Einschränkungen hatten in der Vergangenheit zu einem schlechten Image dieser Technologie geführt.

atlan-tec hat schon 1996 ein revolutionäres neues Konzept entwickelt: Das automatische und selbstkonfigurierende Neuronale Netz NeuroModel®. Was bei anderen Werkzeugen am Markt jedes Mal mühsam neu entwickelt werden muss, kann NeuroModel® automatisch.

Optimiere Deine Möglichkeiten

Durch die weitere Nutzung der Seite stimmen Sie der Verwendung von Cookies zu. Weitere Informationen

Die Cookie-Einstellungen auf dieser Website sind auf "Cookies zulassen" eingestellt, um das beste Surferlebnis zu ermöglichen. Wenn Sie diese Website ohne Änderung der Cookie-Einstellungen verwenden oder auf "Akzeptieren" klicken, erklären Sie sich damit einverstanden.

Schließen