Neuronale Netze beschreiben die konzeptionelle Struktur und Informationsarchitektur des Gehirns von Tieren und Menschen: Neuronen sind in der Art eines Netzes miteinander verknüpft.
Biologische Neuronen reagieren auf elektrische Reize, die biochemisch erzeugt werden. Neuronen haben üblicherweise mehrere Eingangsverbindungen sowie eine Ausgangsverbindung. Wenn die Summe der Eingangsreize einen gewissen Schwellenwert überschreitet, der wiederum von einer Inhibitor-Leitung beeinflußt sein kann, "feuert" das Neuron: Ein Aktionspotenzial wird an seinem Axonhügel ausgelöst und entlang des Axons weitergeleitet - das Ausgangssignal des Neurons.

Über das Lernen in neuronalen Netzen gibt es verschiedene Theorien. Die erste neuronale Lernregel wurde 1949 von Donald O. Hebb beschrieben (Hebb'sche Lernregel); wesentliche Entwicklungen erfolgten u.a. durch Arbeiten des Finnen Teuvo Kohonen Mitte der 1980er Jahre.

Die besondere Eigenschaft neuronaler Netze besteht darin, dass sie komplexe Muster lernen können, ohne dass eine Abstraktion über die diesen Mustern zugrunde liegenden Regeln stattfindet. Das heißt, vor dem Lernen müssen diese Regeln nicht entwickelt werden – aber nachher kann aus dem neuronalen Netz auch nicht die Logik ermittelt werden, die dessen Lernerfolg ausmachte.
Das richtige Trainieren eines neuronalen Netzes ist somit Voraussetzung für diesen Lernerfolg. Umgekehrt gilt, dass eine Vorhersage über die "richtige" Interpretation eines Musters durch ein neuronales Netz nicht präzise möglich ist, solange nicht dieses spezifische Netz mit dieser spezifischen Lernerfahrung befragt bzw. durchgerechnet wird.

In der Neuroinformatik wird versucht, neuronale Netze computergestützt durch Künstliche neuronale Netze zu simulieren. Aktuell erfolgt die Anwendung von künstlichen neuronalen Netzen in der Regelungs- und Automatisierungstechnik bezüglich komplexer Prozesse z.B. in der Chemieindustrie, in der Bildverarbeitung und Mustererkennung, Sprachanalyse und anpassungsfähiger Software wie z.B. Selbstadaptierende Algorithmen, Robotik, virtuelle Agenten und KI-Robotern in Spielen, oder in der Analyse von Börsenkursen, Chartanalyse und viele andere Anwendungen mehr in der Informatik, für die sich Neuronale Netze als nützlich erweisen.

Wellentheoretische Aspekte

---

Eine Betrachtung der langsamen Bewegung der extrem nadligen Zeitfunktionen im Nervensystem führt auf eine spezielle Wellentheorie verallgemeinerbarer Zeitfunktionen. Aus der Sicht der Interferenznetzwerke sind neuronale Netze als spezielle Interferenznetzwerke mit diskretisierter Zeitstruktur anzusehen, siehe Interferenznetzwerk und Interferenz.

Siehe auch

---

• Künstliches neuronales Netz
• Neuronaler Schaltkreis
• Neuroinformatik
• Interferenznetzwerk
• 100-Schritt-Regel

Weblinks

---

• Einführung in die Grundlagen und Anwendungen neuronaler Netze
• Einführung in Neuronale Netze
• Geschichte der Neuronalen Netze bis 1960 (engl.)

Neurobiologie | Zentralnervensystem | Neuroinformatik | Kognitionswissenschaft

شبكات عصبونية | Невронна мрежа | Neuralt netværk | Neural network | Red neuronal artificial | Réseau de neurones | Rete neurale | ニューラルネットワーク | 신경망 | Neuraal netwerk | Sieć neuronowa | Reţele neuronale | Искусcтвенная нейронная сеть | ข่ายงานประสาทเทียม | 人工神经网络