Es wurden 41 Produkte zu dem Suchbegriff Neuronaler Netzeffekt in 6 Shops gefunden:

Brand- und CO-Melder für sehr frühe und zuverlässige Detektion entstehender Brände dank der Auswertung der drei Kriterien Rauch, Wärme und Gas. Sehr schnelles Ansprechen auf alle Kohlenmonoxid (CO) erzeugenden Brände und sehr frühe und zuverlässige Alarmierung in Umgebungen mit Täuschungsgrössen. Funktioniert nach dem Streulichtprinzip mit zwei Sensoren, optische Vor- und Rückwärtsstreuung. Opto-elektronische Messkammer, welche störendes Fremdlicht fernhält, aber helle und dunkle Rauchpartikel optimal detektiert. Zwei zusätzliche Wärmesensoren sowie ein zusätzlicher CO-Sensor erhöhen die Täuschungssicherheit und das Ansprechverhalten des Brandmelders. Wählbares Detektionsverhalten durch applikationsspezifische ASA-Parametersätze. Die zusätzliche CO-Analyse ist außergewöhnlich schnell und ideal für Anwendungen, in denen die Verwundbarkeit der Personen kritisch ist (z.B. Pflegeheime, Krankenhäuser, geschützte Unterkünfte usw.).Weitere Detektionskanäle für CO-Meldungen und CO- oder Umgebungswärmeüberwachung. Der Sockel muss separat bestellt werden. Lieferumfang Melder und Staubschutzkappe

Daten sind das neue Gold - und neuronale Netze haben bereits einigen Unternehmen geholfen, diesen Schatz auszugraben. Verschaffen Sie sich mit diesem Buch innerhalb kürzester Zeit einen soliden Überblick über neuronale Netze. Nach der Lektüre dieses Buches kennen Sie den historischen Werdegang dieser leistungsfähigen Approximatoren und Sie sind vertraut mit den aktuell wichtigsten Begriffen. Des Weiteren kennen Sie die Möglichkeiten sowie die Grenzen neuronaler Netze. Dieses Buch richtet sich in erster Linie an Praktiker, die einen schnellen Einstieg in das Thema suchen, ohne parallel einen Hochschulkurs in Mathematik und Statistik zu machen.

Das breite Angebot an deutschsprachigen Lehrbüchern macht es dem Einsteiger leicht, sich Grundkenntnisse über neuronale Netze anzueignen. Wer allerdings tiefer in dieses Gebiet einsteigen und beispielsweise die (meist englische) For schungsliteratur lesen möchte, wird mit einer Fülle von Modellen und Begriffen konfrontiert, die er, wenn überhaupt, nur mühsam in den Lehrbüchern oder in den Literaturverweisen findet. Das vorliegende Handbuch will hier eine Hilfestellung geben. Im Gegensatz zu einem Lehrbuch ist es nicht didaktisch, sondern systematisch aufgebaut. Daher sind Grundkenntnisse über neuronale Netze für das Verständnis des Buches äu ßerst nützlich, wenngleich es durchaus als Einführung dienen kann. Sein Haupt zweck ist jedoch der, dem Leser umfangreiche Nachschlagemöglichkeiten für deutsche und englische Begriffe sowie für die wichtigsten Netzmodelle zu geben. Bei der großen Zahl der bisher in der Literatur untersuchten Netztypen ist es nicht möglich, sämtliche Modelle aufzuführen. Statt dessen wurden nur wenige typische Modelle ausgewahIt, aber bis in alle Einzelheiten beschrieben. Diese Angaben sollten Z.B. als Grundlage für Simulationsprogramme ausreichen. Das Handbuch beschränkt sich auf ein enges, aber grundlegendes und wichtiges Teilgebiet neuronaler Netze. Natürliche Nervennetze weisen, ebenso wie einige Netzmodelle, ein zeitkontinuierliches Verhalten auf. Dagegen arbeiten die mei sten Modelle mit einem Zeittakt; daher befaßt sich dieses Buch ausschließlich mit zeitdiskreten neuronalen Netzen. Auf statistische Methoden wird, obgleich sie in der Theorie eine bedeutende Rolle spielen, ebenfalls nicht eingegangen. Dem Verlag und insbesondere den Anregungen des Lektors, Herrn Dr. Reinald Klockenbusch, ist es zu verdanken,daß dieses Buch erscheinen konnte.

Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren Bild- und Spracherkennung, Spiele-KIs und vieles mehr. Zum Glück lassen sich die genialen Ideen dahinter einfach erklären. Um sie zu verstehen und einzusetzen, programmieren Sie verschiedene Netztypen selbst nach! Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Aus dem Inhalt: Die Grundidee hinter Neuronalen Netzen Ein einfaches Neuronales Netz aufbauen Neuronale Netze trainieren Überwachtes und unüberwachtes Lernen Einführung in TensorFlow Kompaktkurs Python Wichtige mathematische Grundlagen Reinforcement Learning Verschiedene Netzarten und ihre Anwendungsbereiche Back Propagation Deep Learning Werkzeuge für Data Scientists Die Fachpresse zur Vorauflage: LINUX MAGAZIN: »Eine rundum gelungene, recht gründliche und gut verständliche Einführung ins maschinelle Lernen mit neuronalen Netzen.« iX - Magazin für professionelle Informationstechnik: »Entwickler bekommen hier eine Menge Theorie inklusive der mathematischen Grundlagen serviert (...). «

Neuronale Netze und Grundlagen der Künstlichen Intelligenz verständlich dargestellt Der Bestseller hat Furore gemacht, weil der Autor diese sowohl trockene als auch schwierige Materie außergewöhnlich klar erklärt. Neu in der vollständig aktualisierten 2. Auflage: Das neuronale Netz wird abschließend mit PyTorch erstellt, um es in ein typisches professionelles Szenario zu überführen. Neuronale Netze sind Grundlage vieler Anwendungen im Alltag wie Spracherkennung, Gesichtserkennung auf Fotos, das selbstfahrende Auto, Umwandlung von Sprache in Text etc. Neuronale Netze sind Schlüsselelemente des Deep Learning und der künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieser Bestseller, jetzt in erweiterter 2. Auflage, nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. Im nächsten Schritt verbessern Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. Neu in der 2. Auflage: Sie erstellen das neuronale Netz abschließend mit PyTorch und überführen es damit in ein typisches professionelles Szenario.

Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt: Parametrische und nichtparametrische Modelle Überwachtes und unüberwachtes Lernen Vorhersagen mit mehreren Ein- und Ausgaben Fehler messen und verringern Hot und Cold Learning Batch- und stochastischer Gradientenabstieg Überanpassung vermeiden Generalisierung Dropout-Verfahren Backpropagation und Forward Propagation Bilderkennung Verarbeitung natürlicher Sprache (NLP) Sprachmodellierung Aktivierungsfunktionen Sigmoid-Funktion Tangens hyperbolicus Softmax Convolutional Neural Networks (CNNs) Recurrent Neural Networks (RNNs) Long Short-Term Memory (LSTM) Deep-Learning-Framework erstellen

Daten sind das neue Gold - und neuronale Netze haben bereits einigen Unternehmen geholfen, diesen Schatz auszugraben. Verschaffen Sie sich mit diesem Buch innerhalb kürzester Zeit einen soliden Überblick über neuronale Netze. Nach der Lektüre dieses Buches kennen Sie den historischen Werdegang dieser leistungsfähigen Approximatoren und Sie sind vertraut mit den aktuell wichtigsten Begriffen. Des Weiteren kennen Sie die Möglichkeiten sowie die Grenzen neuronaler Netze. Dieses Buch richtet sich in erster Linie an Praktiker, die einen schnellen Einstieg in das Thema suchen, ohne parallel einen Hochschulkurs in Mathematik und Statistik zu machen.

Binding : Taschenbuch, Label : Diplom.De, Publisher : Diplom.De, medium : Taschenbuch, numberOfPages : 68, publicationDate : 2002-07-14, authors : Dino Dichant, languages : german, ISBN : 3838656237

Sie wollen Ihre körperliche, geistige und emotionale Gesundheit verbessern? Dann richten Sie Ihre Aufmerksamkeit auf die wichtigsten Bereiche des Körpers: auf Gehirn und Nervensystem. Lars Lienhard und Ulla Schmid-Fetzer, die führenden Experten für neurozentriertes Training in Europa, zeigen in Zusammenarbeit mit Dr. Eric Cobb, dem weltweit führenden Experten für neurologisch ausgerichtete Sportprogramme, wie Gehirn und Nervensystem sämtliche Prozesse im Körper kontrollieren und durch spezifische Übungen unterstützt werden können. Eine zentrale Rolle spielt dabei der Vagusnerv, der an der Regulation fast aller Organe beteiligt ist und einen großen Einfluss auf Gesundheit und Wohlbefinden hat. Gemeinsam mit der Inselrinde, einem Hirnareal, in dem Informationen aus dem Körperinneren mit Sinneseindrücken abgeglichen werden, bildet er die Grundlage unserer Selbstwahrnehmung. Durch ein gezieltes Training des Vagusnervs und der neuronalen Komponenten unserer inneren Wahrnehmung können Sie Depressionen, Ängste, Verdauungsprobleme, aber auch Schmerzen, Bewegungsstörungen und Stresssymptome einfach und effektiv selbst behandeln. Auf Basis neuester Forschung zeigen die Autoren über 100 Übungen, mit denen Sie Vagusnerv und Inselrinde trainieren und so Ihre Selbstheilungskräfte aktivieren.

Das breite Angebot an deutschsprachigen Lehrbüchern macht es dem Einsteiger leicht, sich Grundkenntnisse über neuronale Netze anzueignen. Wer allerdings tiefer in dieses Gebiet einsteigen und beispielsweise die (meist englische) For schungsliteratur lesen möchte, wird mit einer Fülle von Modellen und Begriffen konfrontiert, die er, wenn überhaupt, nur mühsam in den Lehrbüchern oder in den Literaturverweisen findet. Das vorliegende Handbuch will hier eine Hilfestellung geben. Im Gegensatz zu einem Lehrbuch ist es nicht didaktisch, sondern systematisch aufgebaut. Daher sind Grundkenntnisse über neuronale Netze für das Verständnis des Buches äu ßerst nützlich, wenngleich es durchaus als Einführung dienen kann. Sein Haupt zweck ist jedoch der, dem Leser umfangreiche Nachschlagemöglichkeiten für deutsche und englische Begriffe sowie für die wichtigsten Netzmodelle zu geben. Bei der großen Zahl der bisher in der Literatur untersuchten Netztypen ist es nicht möglich, sämtliche Modelle aufzuführen. Statt dessen wurden nur wenige typische Modelle ausgewahIt, aber bis in alle Einzelheiten beschrieben. Diese Angaben sollten Z.B. als Grundlage für Simulationsprogramme ausreichen. Das Handbuch beschränkt sich auf ein enges, aber grundlegendes und wichtiges Teilgebiet neuronaler Netze. Natürliche Nervennetze weisen, ebenso wie einige Netzmodelle, ein zeitkontinuierliches Verhalten auf. Dagegen arbeiten die mei sten Modelle mit einem Zeittakt; daher befaßt sich dieses Buch ausschließlich mit zeitdiskreten neuronalen Netzen. Auf statistische Methoden wird, obgleich sie in der Theorie eine bedeutende Rolle spielen, ebenfalls nicht eingegangen. Dem Verlag und insbesondere den Anregungen des Lektors, Herrn Dr. Reinald Klockenbusch, ist es zu verdanken,daß dieses Buch erscheinen konnte.

Brand : Diplomarbeiten Agentur, Binding : Taschenbuch, Label : Diplomarbeiten Agentur diplom.de, Publisher : Diplomarbeiten Agentur diplom.de, medium : Taschenbuch, numberOfPages : 110, publicationDate : 2001-01-01, authors : Thomas Röhrig, ISBN : 3838648951

Neuronale Netze sind Schlüsselelemente des Deep Learning und der Künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieses Buch nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: - Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen und Beispielen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. - Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. - Im nächsten Schritt tunen Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. - Zum Schluss lassen Sie das neuronale Netz auf einem Raspberry Pi Zero laufen. Tariq Rashid erklärt diese schwierige Materie außergewöhnlich klar und verständlich, dadurch werden neuronale Netze für jeden Interessierten zugänglich und praktisch nachvollziehbar.

Brand : GRIN Verlag, Binding : Taschenbuch, Edition : 3., Label : GRIN Verlag, Publisher : GRIN Verlag, medium : Taschenbuch, numberOfPages : 28, publicationDate : 2007-07-18, authors : Vera Vockerodt, ISBN : 3638691144

Neuronale Netze und Grundlagen der Künstlichen Intelligenz verständlich dargestellt Der Bestseller hat Furore gemacht, weil der Autor diese sowohl trockene als auch schwierige Materie außergewöhnlich klar erklärt. Neu in der vollständig aktualisierten 2. Auflage: Das neuronale Netz wird abschließend mit PyTorch erstellt, um es in ein typisches professionelles Szenario zu überführen. Neuronale Netze sind Grundlage vieler Anwendungen im Alltag wie Spracherkennung, Gesichtserkennung auf Fotos, das selbstfahrende Auto, Umwandlung von Sprache in Text etc. Neuronale Netze sind Schlüsselelemente des Deep Learning und der künstlichen Intelligenz, die heute zu Erstaunlichem in der Lage sind. Sie sind Grundlage vieler Anwendungen im Alltag wie beispielsweise Spracherkennung, Gesichtserkennung auf Fotos oder die Umwandlung von Sprache in Text. Dennoch verstehen nur wenige, wie neuronale Netze tatsächlich funktionieren. Dieser Bestseller, jetzt in erweiterter 2. Auflage, nimmt Sie mit auf eine unterhaltsame Reise, die mit ganz einfachen Ideen beginnt und Ihnen Schritt für Schritt zeigt, wie neuronale Netze arbeiten: Zunächst lernen Sie die mathematischen Konzepte kennen, die den neuronalen Netzen zugrunde liegen. Dafür brauchen Sie keine tieferen Mathematikkenntnisse, denn alle mathematischen Ideen werden behutsam und mit vielen Illustrationen erläutert. Eine Kurzeinführung in die Analysis unterstützt Sie dabei. Dann geht es in die Praxis: Nach einer Einführung in die populäre und leicht zu lernende Programmiersprache Python bauen Sie allmählich Ihr eigenes neuronales Netz mit Python auf. Sie bringen ihm bei, handgeschriebene Zahlen zu erkennen, bis es eine Performance wie ein professionell entwickeltes Netz erreicht. Im nächsten Schritt verbessern Sie die Leistung Ihres neuronalen Netzes so weit, dass es eine Zahlenerkennung von 98 % erreicht – nur mit einfachen Ideen und simplem Code. Sie testen das Netz mit Ihrer eigenen Handschrift und werfen noch einen Blick in das mysteriöse Innere eines neuronalen Netzes. Neu in der 2. Auflage: Sie erstellen das neuronale Netz abschließend mit PyTorch und überführen es damit in ein typisches professionelles Szenario.

Die Plastizität des Gehirns wird definiert als die Fähigkeit des Gehirns, sich selbst zu verändern und in eine andere Form zu bringen, zu handeln und sich auf eine bestimmte Weise an die gegebenen Erfahrungen anzupassen. Aufgrund der Fähigkeit des Gehirns, sich je nach den Erfordernissen der Umwelt zu verändern, dient jede neue Erfahrung als schützende Reserve für das Individuum, das zu altersbedingten Gehirnveränderungen und Pathologie neigt. Dies ist eines der grundlegenden wissenschaftlichen Phänomene hinter der Fähigkeit des Gehirns, sich von Zuständen wie Schlaganfall, Hirnverletzung, Rückenmarksverletzung usw. zu erholen.Physiotherapeuten spielen eine direkte und wichtige Rolle bei der Rehabilitation solcher neurologischer Störungen. Dieses Buch soll ihnen ein grundlegendes Verständnis der Prinzipien und Auswirkungen der neuronalen Plastizität auf rehabilitative Maßnahmen vermitteln.

Brand : Grin Verlag, Binding : Taschenbuch, Edition : 1., Label : GRIN Verlag, Publisher : GRIN Verlag, medium : Taschenbuch, numberOfPages : 24, publicationDate : 2018-02-20, authors : Anonym, ISBN : 3668637563

Von den Grundlagen Neuronaler Netze über Machine Learning bis hin zu Deep-Learning-Algorithmen Anschauliche Diagramme, Anwendungsbeispiele in Python und der Einsatz von NumPy Keine Vorkenntnisse in Machine Learning oder höherer Mathematik erforderlich Deep Learning muss nicht kompliziert sein. Mit diesem Buch lernst du anhand vieler Beispiele alle Grundlagen, die du brauchst, um Deep-Learning-Algorithmen zu verstehen und anzuwenden. Dafür brauchst du nichts weiter als Schulmathematik und Kenntnisse der Programmiersprache Python. Alle Codebeispiele werden ausführlich erläutert und mathematische Hintergründe anhand von Analogien veranschaulicht. Der Autor erklärt leicht verständlich, wie Neuronale Netze lernen und wie sie mit Machine-Learning-Verfahren trainiert werden können. Du erfährst, wie du dein erstes Neuronales Netz erstellst und wie es mit Deep-Learning-Algorithmen Bilder erkennen sowie natürliche Sprache verarbeiten und modellieren kann. Hierbei kommen Netze mit mehreren Schichten wie CNNs und RNNs zum Einsatz. Fokus des Buches ist es, Neuronale Netze zu trainieren, ohne auf vorgefertigte Python-Frameworks zurückzugreifen. So verstehst du Deep Learning von Grund auf und kannst in Zukunft auch komplexe Frameworks erfolgreich für deine Projekte einsetzen. Aus dem Inhalt: Parametrische und nichtparametrische Modelle Überwachtes und unüberwachtes Lernen Vorhersagen mit mehreren Ein- und Ausgaben Fehler messen und verringern Hot und Cold Learning Batch- und stochastischer Gradientenabstieg Überanpassung vermeiden Generalisierung Dropout-Verfahren Backpropagation und Forward Propagation Bilderkennung Verarbeitung natürlicher Sprache (NLP) Sprachmodellierung Aktivierungsfunktionen Sigmoid-Funktion Tangens hyperbolicus Softmax Convolutional Neural Networks (CNNs) Recurrent Neural Networks (RNNs) Long Short-Term Memory (LSTM) Deep-Learning-Framework erstellen

Unsere Augen sind die Fenster zur Welt. Doch 80 % des Sehvorgangs findet im Gehirn statt. Farben, Formen, Kontraste, Tiefen, Bewegungen ... – durch das Zusammenspiel von Abermillionen Neuronen interpretiert unser Gehirn diese Informationen und verknüpft sie mit anderen Sinneseindrücken. Auf diese Weise erhalten wir in Sekundenbruchteilen ein vollständiges, lebendiges Bild von unserer Umgebung. Deshalb ist ein tiefgreifendes Sehtraining auch Hirntraining! Caroline Ebert, Optikermeisterin und erfahrene Sehtrainerin mit eigener Augenschule, zeigt, wie wir mit einfachen, aber wirkungsvollen neuronalen Übungen unser gesamtes visuelles System stärken. Mit der innovativen Methode können wir nicht nur Fehlsichtigkeiten wie Kurz-, (Alters-)Weitsichtigkeit, Hornhautverkrümmung oder Schielen korrigieren, sondern auch Augenerkrankungen wie Makuladegeneration oder grauem Star entgegenwirken. Durch die Integration frühkindlicher Reflexe lösen wir zudem Blockaden auf, die unsere Sehkraft einschränken. So effektiv war Sehtraining noch nie!

Binding : Taschenbuch, Label : GRIN Verlag, Publisher : GRIN Verlag, medium : Taschenbuch, numberOfPages : 32, publicationDate : 2007-06-27, authors : Damir Dugandzic, languages : german, ISBN : 3638667197

Binding : Taschenbuch, Edition : 1996, Label : Dr. Th. Gabler Verlag, Publisher : Dr. Th. Gabler Verlag, medium : Taschenbuch, numberOfPages : 300, publicationDate : 1996-08-28, releaseDate : 1996-08-28, publishers : Hans Corsten, ISBN : 3409126104