Self Enforcing Network und überwachtes Lernen : Ein Vergleich hinsichtlich der Erkennung von Armgesten

Heid, Daniel GND

Künstliche neuronale Netze sind verteilte und parallel arbeitende Modelle zur Verarbeitung unscharfer Information. Ihre hohe Geschwindigkeit und ihre Fehlertoleranz machen sie zu einem für die Erkennung von Bildern, Objekten und Gesten gut geeigneten Instrument. Klüver und Klüver entwickelten 2011 einen neuen Typus von neuronalen Netzen, der als Self Enforcing Network bezeichnet wird. Dieser ist in ihren bisherigen Versuchen hauptsächlich zur Sortierung und Klassifizierung von Datenmengen angewendet worden. Da neuronale Netze in der Mustererkennung, der adaptiven Regelung, der assoziativen Speicherung und der kombinatorischen Optimierung eingesetzt werden (Görz, 1995, S. 841ff), stellt sich die Frage nach der Eignung von Self Enforcing Networks für Einsatzzwecke außerhalb der Sortierung und Klassifizierung von Datenmengen. Diese Arbeit hat das Ziel, eine spezifische Variante der Mustererkennung – die Identifikation von Gesten – mit einem Self Enforcing Network zu erproben.

Cite

Citation style:
Heid, D., 2014. Self Enforcing Network und überwachtes Lernen: Ein Vergleich hinsichtlich der Erkennung von Armgesten.
Could not load citation form.

Rights

Use and reproduction:
All rights reserved

Export