Ki-Programme zeichnen sich durch ihre Lernfähigkeit aus: Daten werden analysiert, passende Reaktionen erzeugt und diese gegebenenfalls optimiert. Optimieren bedeutet dabei, dass die Qualität von Reaktionen gemessen wird und dann versucht wird, diese durch Variieren zu verbessern.
Hier sollen nun konkrete KI-Programme vorgestellt werden, in denen bestimmte Lernverfahren realisiert sind. Funktionsweise und allgemeine Aspekte von neuronalen Netzen kann man auf der Seite Neuronale Netze finden.
Die hier vorgestellten neuronalen Netze dienen dazu, Zahlenmuster zu erkennen. Dies vereinfacht die Programme. Es ist allerdings auf ähnliche Weise möglich, Textteile oder akustische Signale zu erkennen.
| Prolog-Programme: | |
| Schlussketten erzeugen |
Wenn-Dann-Beziehungen werden zu logischen Schlussketten kombiniert. Das Programm kann erweitert werden, so dass es aus den Schlussketten neue Wenn-Dann-Beziehungen bildet
|
| Expertensystem |
Das Programm lernt z.B. zu Krankheiten Symptome und Diagnosen. Es werden Fragen nach Symptomen kombiniert, die zu einer Diagnose führen.
|
| Java-Programme: | |
|
Grundlagen neuronaler Netze I Stochastisches Lernen |
Die wesentlichen Bestandteile eines neuronalen Netzes werden vorgestellt. Das Programm kann mit Hilfe von Zufallszahlen lernen, einfache Zahlenmuster zu erkennen
und vorgegebenen Ausgaben zuzuordnen.
|
|
Grundlagen neuronaler Netze II Deltaregel - Fehlerrückkopplung |
Die Aufgabe ist die gleiche wie oben. Das Programm nutzt ausschließlich die Abweichungen zwischen berechneter und vorgegebener Ausgabe, um den Lernprozess zu optimieren.
|
| Paket: neuronales Netz |
Ein neuronales Netz lernt, in Grafiken Buchstaben zu erkennen. Das Paket enthält das Programm, Beispieldaten und Hilfstexte. Das neuronale Netz bietet viele Möglichkeiten für eigene Experimente.
|