1. Einleitung
2. Theorie neuronaler Netze
1. Nervenzellen als biologisches Vorbild
2. Mathematisches Modell eines Neurons
1. Aufbau
2. Propagierungsfunktion
3. Aktivierungsfunktion
4. Ausgabefunktion
5. Schwellenwert
3. Struktur eines neuronalen Netzes
1. Schichten von Neuronen
2. Verbindungsnetzwerk aus Gewichten
4. Lernverfahren
1. Theoretisch mögliche Lernmethoden
2. Ablauf des Lernvorgangs
3. Generalisierung
5. Backpropagation
1. Prinzip
2. Herleitung
3. Praxisbeispiel Text-Klassifizierung
1. Beschreibung des Vorhabens
2. Anmerkungen zum Backpropagation-Modul
1. Struktur der Klassen
2. Momentum
3. Flat-Spot Elimination
4. Normalisierung der Ein- und Ausgaben
3. Wahl der Netz-Topologie
1. Eingabeschicht
2. Verborgene Schichten
3. Ausgabeschicht
4. Wahl der Parameter
1. Lernrate
2. Momentum
3. Flat-Spot Elimination
5. Resultate
4. Schluss
5. Anhang
1. Quellcode des Praxis-Projekts
1. Modul backprop.py
2. Programm languagesort.py
2. Literaturverzeichnis
3. Abbildungsverzeichnis

Weiter zur Einleitung >