Zur Seitenansicht
 

Titelaufnahme

Titel
Fehlertolerante neuronale Netze zur Approximation von Funktionen
AutorEickhoff, Ralf In der Gemeinsamen Normdatei der DNB nachschlagen
Erschienen2007
HochschulschriftPaderborn, Univ., Diss., 2007
Anmerkung
Tag der Verteidigung: 11.07.2007
SpracheDeutsch
SerieHNI-Verlagsschriftenreihe ; 214
DokumenttypDissertation
ISSN2365-4422
URNurn:nbn:de:hbz:466-20080213013 Persistent Identifier (URN)
Dateien
Fehlertolerante neuronale Netze zur Approximation von Funktionen [2.44 mb]
abstract [42.35 kb]
zusfasng [40.02 kb]
Links
Nachweis
Klassifikation

Deutsch

Aufgrund neuster Erkenntnisse in den kognitiven Wissenschaften und dem Biologieingenieurwesen ist es möglich, die Funktionsweise und die Zusammenhänge in den grundlegenden biologischen Systemen besser zu verstehen. Parallel zu dieser Entwicklung fordern die aufkommenden Halbleitertechnologien und die neuartigen Bauelemente innovative Entwurfskonzepte, um den gestiegenen Anforderungen gerecht zu werden und komplexe Systeme mit hoher Zuverlässigkeit und geringer Verlustleistung zu ermöglichen. Eine Übertragung der Eigenschaften von biologischen neuronalen Netzen auf technische Systeme ist deshalb wünschenswert. Diese Arbeit beschäftigt sich mit der Analyse und dem Entwurf adaptiver Systeme. Künstliche neuronale Netze werden hinsichtlich ihrer Robustheit gegenüber Störungen und der Toleranz gegenüber Fehlern und Defekten untersucht, und für diese Eigenschaften werden jeweils Gütekriterien, die eine Bewertung der Netze ermöglichen, entwickelt. Dabei werden Methoden vorgestellt, welche die Robustheit und Fehlertoleranz während des Entwurfes der künstlichen Netze verbessern. Abschließend wird der Einfluss verschiedener Architekturen untersucht und Aussagen über die Skalierung dieser adaptiven Systeme für Silizium-Halbleitertechnologien getroffen. Als Anwendung wird dabei die Approximation von Funktionen mittels dieser adaptiven Systeme betrachtet.

English

The latest research and developments in cognitive science and bio-engineering have made it possible to understand more about the functionality of primary biological systems and principles. Concurrently, the effective use of emerging nanoscale electronics requires accompanying research on circuits and architectures to take advantage of the increased density and to handle arising challenges such as low-power operation, reliable and asynchronous computing or manageable design complexity. Combining both research fields, neural principles can serve as inspirations for designing novel and innovative architectures in these emerging technologies. This work deals with the analysis and the design of adaptive systems based on artificial neural networks with respect to their robustness to perturbations and tolerance to faults and defects. Therefore, mathematical metrics are developed that allow analysing and judging different network topologies with respect to those properties. Moreover, these criteria can be used during the design phase in order to improve the robustness and the fault tolerance of adaptive systems. Finally, the effect of different neuron architectures that are designed in digital and analogue circuits is investigated with respect to scaling trends of emerging silicon technologies. For these systems, function approximation serves as the field of application.