Wie die Welt in den Kopf kommt

Konditionierungsexperimente sind mit Bayes zu simulieren, und Mehrschich tnetze
erledigen Buchstaben- bzw. Mustererkennung. Somit mag es so aussehen, als wäre
durch deren Kombination alles gelöst. Irrtum! Mehrschichtennetze brauchen einen
Trainer, und als Trainer kann das Bayesnetz nicht dienen, denn es ist, solange es
noch nie einen sinnvollen Input aus dem Mehrschichtennetz bekommen hat, nicht
arbeitsfähig, und das Mehrschichtennetz kann nicht ohne Bayesschen Tr ainer. Die-
ses Problem scheint durch das Kohonen-Netz lösbar: 2.1.3 Das Kohonen Netzwerk Ein Kohonen-Netz besteht aus einer Projektionsschicht, und einer Kohonen-Schicht
(Ausgabeschicht). Es kann lernen Reize differenziert wiederzuerkennen, ohne dabei
einen Trainer zu benötigen. Was oft wiederholt eingetreten ist, erobe rt auf der Koho-
nen-Schicht einen eigenen Platz. Man kann sagen, auf der Schicht entsteht eine
Karte, in der oft Wahrgenommenes mehr Platz einnimmt. Spitzer geht in „ Geist im
Netz“ auf diesen Netztypus ausführlich ein und erläutert viele Experimente indenen
Parallelen zur Organisation der Karten im Gehirn gezeigt werden konnten (S.103-
124, S.247-167), vom Hörsystem der Fledermaus bis hin zum assoziativen De nken.
Ich will mich hier auf eine kurze Beschreibung dieses Netztypus am Beispiel der
Buchstabenerkennung beschränken, da es mir ja nur um die Abgrenzung zu meinem
Modell geht.
Nehmen wir also an, ein Kohonen-Netz soll Buchstaben erkennen. Jedes Neu ronder
Input-Schicht hat eine Leitung zu jedem Neuron der Kohonen-Schicht (Output-
Schicht). Ein Kohonen-Neuron erhält also von jedem Bildpunkt des Buc hstabens ein
Signal. Ziel ist es nun, dass das Neuron eine Art Schablone entwickelt, die so g enau
auf einen bestimmten Buchstaben zutrifft, dass er von allen anderen Buchstab en
zuverlässig differenziert werden kann. Es darf aber nicht jedes Neuron der Kohonen-
Schicht den gleichen Buchstaben erkennen, sondern es soll sich für je den Buchsta-
ben ein eigenes Neuron entwickeln.
Zur Lösung dieses Problems ist es notwendig, dass die Neuronen der Ko honen-
Schicht seitlich miteinander kommunizieren. Sie tun dies nach dem Zentrum/Umfeld-
Prinzip. Erhält ein Neuron einen Input, so vergleicht es diesen zunächst mit seiner
Schablone. Sind die Bildpunkte einander durchschnittlich ähnlich, so nähert es die
Schablone noch weiter an den Input an. Zusätzlich sendet es nun ein Signal an sein
Umfeld, das bewirkt, dass auch die Schablonen direkt umliegender Neuronen an den
Input angenähert werden. Auf weiter entfernte Neuronen wirkt dieser seitliche Input
jedoch gegengleich, das heißt deren Schablonen werden dem Reiz unä hnlicher.
Diese Mechanik hat zur Folge, dass entfernte Neuronen nicht den gleichen Buchsta-
ben repräsentieren können. So entsteht ein Reaktionsbild (Karte) , in demähnliche
Buchstaben im Netz nahe nebeneinander repräsentiert sind.
Was bedeutet in diesem Zusammenhang eigentlich „Ähnlichkeit“? Ganz einfach: Da
die Buchstaben durch ein Pixelbild mit Graustufen dargestellt sind, wird eine Schab-
lone der Vorgabe dann „ähnlicher“, wenn der Grauwert jedes Pixels der Schablone
ein wenig an den Grauwert der Vorgabe angenähert wird. 18