Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- von_der_nervenzelle_zum_modell [2024/01/21 10:56] – [Netzwerk Komponenten] torsten.roehl
+++ von_der_nervenzelle_zum_modell [2024/01/21 11:01] (aktuell) – [Das McCulloch Modell] torsten.roehl
@@ Zeile 74: / Zeile 74: @@
 === zu 5: Updateregel (Update-Rule)===
-Wenn der nächste Zustand der Neurone unabhängig von den anderen Neuronen berechnet wird, wird dies als sequenziell bezeichnet. Dem steht die parallele Berechnung gegenüber, bei der alle Neurone gleichzeitig ihren Zustand ändern. Regeln, die beschreiben, wie man den Zustand der Neurone im nächsten Zeitschritt berechnet, nennt man allgemein Updateregeln.
+Wenn der nächste Zustand der Neurone unabhängig von den anderen Neuronen berechnet wird, wird dies als **sequenziell** bezeichnet.
+Dem steht die **parallele** Berechnung gegenüber, bei der alle Neurone gleichzeitig ihren Zustand ändern. Regeln, die beschreiben, wie man den Zustand der Neurone im nächsten Zeitschritt berechnet, nennt man allgemein **Updateregeln**.
@@ Zeile 80: / Zeile 82: @@
 ==== Aufgabe ====
+<WRAP center round box 100%>
+{{:inf:aufgabe.gif?|}}
 Gegeben sind die Gewichte \( w_{11} = w_{22} = 0 \), sowie \( w_{12} = w_{21} = 2 \).
@@ Zeile 86: / Zeile 93: @@
 Berechnen Sie die gewichtete Summe \( net_2 \).
+{{:inf:solution.gif?|}}
 \( net_2 = \sum w_{i2} \cdot x_i = w_{12} \cdot x_1 + w_{22} \cdot x_2 = 2 \cdot (-1) + 0 \cdot 1 = -2 \)
+</WRAP>
 ===== Das McCulloch Modell =====
@@ Zeile 97: / Zeile 107: @@
   * Eingangsneurone ($X_1,X_2$) können 0 oder 1 sein.
   * Ausgangsneuron ($X_3$) kann 0 oder 1 sein.
-  * Aktivierungsfunktion ist eine einfache Schwellenwertfunktion
+  * Die Aktivierungsfunktion braucht für die Lösung dieses speziellen Problems nicht berücksichtigt werden. Ansonsten ist eine einfache Schwellenwertfunktion ausreichend.
 {{ :inf:ki:sample_and.png? |}}