Selbstorganisierende Neuronale Netze auf Transputern

Kunstliche Neuronale Netze (KNN), insbesondere Kohonen-Netze, sind zur Klassifizierung von Daten geeignet, da sie die topologischen Eigenschaften von Eingabedaten hoher Dimensionalitat auf einen niedrigdimensionalen Raum (Ebene) abbilden konnen. Die Implementierung der Kohonen-Netze wird auf Transputem realisiert, da hier die inharente Parallelitat der Neuronen auf eine parallele Verarbeitung auf den Transputem fast vollstandig ubertragen werden kann. Demzufolge werden die Neuronen eines Gitters nach dem “interlaced”-Verfahren auf die Transputer verteilt. Dies fuhrt zu einer geeigneten Auslastung der Transputer. Nach dem Anlernen werden die KNN mittels der U-Matrix-Methode visuell aufbereitet, um somit eine Klassifizierung vornehmen zu konnen.