Zusammenfassung
Beim Entwurf künstlicher neuronaler Netze muß oft die Aufgabe gelöst werden, in einer gegebenen Familie von neuronalen Netzen jenes zu finden, welches zwei widersprüchliche Bedingungen erfüllt: es muß ein zufriedenstellendes Verhalten haben, während seine Architektur so einfach wie möglich sein sollte. Jüngst wurde ein konzeptionell neuer Ansatz zur Lösung dieser Aufgabe ausgearbeitet, der auf den Ergebnissen von Untersuchungen künstlicher neuronaler Netze unter dem Gesichtspunkt der Theorie der geordneten Mengen und der Theorie der Verbände basiert. In diesem Beitrag werden die grundlegenden Konzepte dieses Ansatzes erläutert und anhand einiger Beispiele illustriert.
beurlaubt vom Institut für Informatik, Akademie der Wissenschaften, Prag
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
References
Birkhoff G.: Lattice Theory, 4. edition. Rhode Island, AMS/Providence, 1984.
Bodenhausen U., Waibel A.: Learning the architecture of neural networks for speech recognition. In: Proceedings of the International Conference on Acoustics, Speech, and Signal Processing, IEEE, Toronto, 1991.
Bridle J.S.: Alpha-nets: A recurrent neural network architecture with a hidden Markov model interpretation. Speech Communication, 9 (1990), 83–92.
Chong M., Fallside F.: Classification and regression tree neural networks for automatic speech recognition. In: Proceedings of the International Neural Network Conference, Paris, 1990, 187–190.
Davey B.A., Priestley H.A.: Introduction to Lattices and Order. Cambridge, Cambridge University Press, 1990.
Girosi F., Poggio T.: Networks for learning: A view from the theory of approximation of functions. In: Neural Networks: Concepts, Applications and Implementations, Volume I, P. Antognetti, V. Milutinovic (Eds.), Prentice Hall, Englewood Cliffs, 1991, 110–154.
Haffner P., Waibel A.: Time-delay neural networks embedding time alignment: a performance analysis. In: Proceedings of Eurospeech’91, Genova, 1991.
Hampshire J.B.: A novel objective function for improved phoneme recognition using time-delay neural networks. IEEE Transactions on Neural Networks, 1 (1990), 216–228.
Holeňa M.: Ordering of neural network architectures. Neural Network World, 3 (1993), 131–159.
Holeňa M.: Lattices of neural network architectures. To appear in Neural Network World, 4 (1994), n.4.
Hornik K.: Approximation capabilities of multilayer neural networks. Neural Networks, 4 (1991), 251–257.
Karnin E.D.: A simple procedure for pruning back-propagation trained neural networks. IEEE Transactions on Neural Networks, 1 (1990), 239–242.
Kohonen T.: The self-organizing map. Proceedings of the IEEE, 78 (1990), 1464–1480.
Kůrková V.: Kolmogorov’s theorem and multilayer neural networks. Neural Networks, 5 (1992), 501–506.
McDermott E., Katagiri S.: LVQ-based shift-tolerant phoneme recognition. IEEE Transactions on Signal Processing, 39 (1991), 1398–1411.
Robinson T., Fallside F.: A recurrent error propagation network speech recognition system. Computer Speech and Language, 5 (1991), 259–274.
Sietsma J., Dow J.R.F.: Creating artificial neural networks that generalize. Neural Networks, 4 (1991), 67–79.
Takami J., Sagayama S.: A pairwise discriminant approach to robust phoneme recognition by time-delay neural networks. In: Proceedings of the ICASSP’91 — International Conference on Acoustics, Speech, and Signal Processing, IEEE, Toronto, 1991, 89–92.
Verdejo J.E.D., Herreros A.P., Luna J.C.S., Orutzar M.C.B., Ayuso A.R.: Recurrent neural networks for speech recognition. In: Proceedings of the International Workshop on Artificial Neural Networks, Granada 1991, 361–369.
White H.: Connectionist nonparametric regression: Multilayer feedforward networks can learn arbitrary mappings. Neural networks, 3 (1990), 535–549.
Ye H., Wang S., Robert F.: A PCMN neural network for isolated word recognition. Speech Communication, 9 (1990), 141–153.
Young S.J.: Competitive training: a connectionist approach to the discriminative training of hidden Markov models. IEE Proceedings — I, 138 (1991), 61–68.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1994 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Holena, M. (1994). Wahl der Architektur eines neuronalen Netzes mittels der Theorie der Verbände. In: Reusch, B. (eds) Fuzzy Logik. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-79386-8_45
Download citation
DOI: https://doi.org/10.1007/978-3-642-79386-8_45
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-58649-4
Online ISBN: 978-3-642-79386-8
eBook Packages: Springer Book Archive