Es geht um neuronale Netze, künstliche am Computer simulierte, wohlgemerkt. Relativ einfach werden verschiedene Aufbaumöglichkeiten Vorgestellt, Lernregeln, Netztypen, Anwendungsbeispiele und zwei Programme, mit denen man sich das Gelernte veranschaulichen kann. Grafische Darstellungen veranschaulichen komplizierte oder abstrakte Sachverhalte.
Mir persönlich haben einige Erklärungen gefehlt, z.B. warum eine Unit sowohl selbst eine Feuerstärke haben soll als auch ihre Verbindung zur nächsten Unit, als würde das zweite nicht ausreichen, da Units ohnehin mit der gleichen Stärke feuern, wenn sie über ihren Schwellenwert hinaus aktiviert werden. Bei der Lernregel des "Gradienten-Abstiegs-Verfahren" hab ich mich gefragt, warum ich das lese: Diese Lernregel ist kompliziert, fehleranfällig und braucht noch mehr Aufwand zur Fehlervermeidung und wird nur noch rechenintensiver. Auch die anderen Lernregeln halfen mir nicht gerade.
Die Anwendungsbeispiele sind eine schöne Idee, doch auch hier frage ich mich, was es bringt, wenn man das nachprogrammiert, was man beobachtet, ohne das ich die Herleitung erkennen konnte und naja - dann gewinnt man halt die Erkenntnisse, die man erwartet hat, was auch sonst?
Der Rest entsprach dem, was ich mir mit Literatur über echte Neuronen und einiger Überlegungen erarbeitet habe. Aber ich bin mal gnädig und möchte das Buch nicht schmälern, nur weil ich gerade besonders kritisch bezüglich dieses Themas bin. Dies ist der einfachste Einstieg ins Thema, den ich mir denken kann, die wichtigen Grundsätze sind hier verzeichnet und wer sich für das Thema interessiert, kann die Inhalte auch online abrufen: