Showcase

McCulloch&Pitts-Zelle


Genre: Simulation

Fuzzy intelligence Game production
http://www.fuzzy2.de.vu
Abgegebene Stimmen: 6

Du musst eingeloggt sein, um eine Bewertung abgeben zu können.

Fortschritt: 100%
Version: Gold
Entwickler: sven123

Beschreibung

Dies ist kein Spiel sondern die Simulation einer McCulloch&Pitts-Zelle.Es gibt m Eingänge und n inhibitorische Eingänge(hemmend).In diesem Beispiel sind das jeweils 2.An ihnen kann der Wert 1 oder 0 anliegen.Hat eine der inhibitorischen Eingänge den Wert von 1 dann sperrt die Zelle.Sind die inhibitorischen Zugänge beide auf 0 dann werden die beiden Werte auf der Eingangsseite aufsummiert sind sie größer oder gleich dem Schwellwert steuert das Modellneuron durch.

Zum besseren Verständnis Ratte ich zum Studium der Wikipedia(der Artikel ist nicht von mir sondern nur das Programm).

http://de.wikipedia.org/wiki/McCulloch-Pitts-Netz

Features

-Schwellwert ist frei wählbar!

-Vorgefertigte Gattereinstellungen!

-Eine eingebaute(aber etwas verwirrende) Anleitung!

Downloads

McCulloch&Pitts-Neuron(Sim)
(599,19 KB)


Kommentare

ein weiter Weg (Donnerstag, 27. April 2006 um 23:11 Uhr)

Von xr

Klar, ist etwas Arbeit, aber das sind wohl die meisten Programme hier, die es zu einer guten Bewertung gebracht haben. Umstellen auf Neuronen mit Gewichten musst du das ganze sowieso, auch für Kohonennetze. Ich glaube auch, dass eine vernünftige Darstellung und intuitive Eingabe nicht gerade leicht wird.

Aber nach langer Arbeit einen Erfolg zu haben und ein brauchbares Programm, ist doch was feines!!!
Antwort (Donnerstag, 27. April 2006 um 21:28 Uhr)

Von sven123

An einer weiterführenden Simulation versuche ich mich seit einer geraumen Zeit.Ich möchte dazu eigentlich die Grundlagen einer SOM(Self-Organized Map) nutzen doch die Umsetzung ist schwierig.Mit McCulloch&Pitts-Zellen lassen sich keine lernfähigen Netzwerke aufbauen.
interessante Idee (Dienstag, 25. April 2006 um 14:04 Uhr)

Von xr

Gute Idee, mal was anderes. Vielleicht wird das ganze aber interessanter, wenn man verschiedene Neuronentypen simulieren könnte. Z.B könnte man nicht nur binäre Eingaben erlauben, sondern kontinuierliche. Außerdem würden variable Eingangsgewichte (auch negative) mehr Möglichkeiten bieten, als sich auf einen Typ zu beziehen. Als Aktivierungsfunktion könnte man z.B. eine logistische verwenden.

Etwas aufwendiger, aber sehr interessant: ein Simulator für ein Netz, dass man dann wirklich trainieren könnte, z.B. mit Backprop.

bin sehr gespannt, würde mich freuen, wenn ich bald einen Simulator testen könnte...
Einloggen, um einen Kommentar abzugeben