Neuronale Netze sind künstliche Systeme, die die Arbeits- und Funktionsweise des menschlichen Gehirns zum Vorbild haben. Der Begriff Neuron stammt aus dem Griechischen und bedeutet in etwa Nerv.

Viele solcher Neurone bilden nun ein neuronales Netz. Im menschlichen Gehirn sind es ca. $10^{11}$ (100 Milliarden) Neurone. Es sind informationsverarbeitende Systeme, die grundsätzlich aus zwei Einheiten bestehen.

• Neurone
• Verbindungen

Warren McCulloch und Walter Pitts beschrieben bereits 1943 eines der ersten Modelle für künstliche Neurone. Wir gehen hier nicht auf Details dieses Modells ein, stattdessen wollen wir ein Beispiel geben, wie die oben erwähnten Komponenten eines neuronalen Netzwerkes zusammenarbeiten, um ein konkretes Problem zu lösen.

• Eingangsneurone ($X_1,X_2$) können 0 oder 1 sein.
• Ausgangsneuron ($X_3$) kann 0 oder 1 sein.
• Aktivierungsfunktion ist eine einfache Schwellenwertfunktion

Gegeben sind zwei Eingangsneuronen $X_1$​ und $X_2$​, sowie das Ausgangsneuron $X_3$​. Als Gewichte stehen $w_{13}$​ und $w_{23}$​ zur Verfügung. Das Ziel ist es, die Gewichte so zu belegen, dass die Wahrheitstafel für das AND-Problem erfüllt ist. Haben Sie eine Idee?

Das obige Beispiel hat anhand der AND-Funktion demonstriert, wie ein neuronales Netz diese Aufgabe lösen kann. Allerdings war dies ein sehr einfaches Beispiel, und die Gewichte waren zudem vorgegeben.

Ein Rezept dafür, wie viele Neuronen man nehmen muss und wie sie angeordnet sein sollten, um das Problem möglichst elegant zu lösen, gibt es übrigens auch noch nicht.