PlusPedia wird derzeit technisch modernisiert. Wie alles, was bei laufendem Betrieb bearbeitet wird, kann es auch hier zu zeitweisen Ausfällen bestimmter Funktionen kommen. Es sind aber alle Artikel zugänglich, Sie können PlusPedia genauso nutzen wie immer.
Bei PlusPedia sind Sie sicher: – Wir verarbeiten keine personenbezogenen Daten, erlauben umfassend anonyme Mitarbeit und erfüllen die Datenschutz-Grundverordnung (DSGVO) vollumfänglich. Es haftet der Vorsitzende des Trägervereins.
Bitte beachten: Aktuell können sich keine neuen Benutzer registrieren. Wir beheben das Problem so schnell wie möglich.
PlusPedia blüht wieder auf als freundliches deutsches Lexikon.
Wir haben auf die neue Version 1.43.3 aktualisiert.
Wir haben SSL aktiviert.
Hier geht es zu den aktuellen Aktuelle Ereignissen
Hinweis zur Passwortsicherheit:
Bitte nutzen Sie Ihr PlusPedia-Passwort nur bei PlusPedia.
Wenn Sie Ihr PlusPedia-Passwort andernorts nutzen, ändern Sie es bitte DORT bis unsere Modernisierung abgeschlossen ist.
Überall wo es sensibel, sollte man generell immer unterschiedliche Passworte verwenden! Das gilt hier und im gesamten Internet.
Aus Gründen der Sicherheit (PlusPedia hatte bis 24.07.2025 kein SSL | https://)
Fisher-Klassifikator: Unterschied zwischen den Versionen
Init |
b |
||
| Zeile 22: | Zeile 22: | ||
{{Vorlage: | {{Vorlage:PPA-Pluto | ||
|B=1 | |||
}} | |||
Aktuelle Version vom 19. Februar 2012, 15:27 Uhr
Als Fischer-Klassifikator wird ein Verfahren zu Klassifikation von Mustern bezeichnet. Sie geht auf eine Veröffentlichung von Ronald Aylmer Fisher im Jahre 1936 zurück.
In der Neuroinformatik bezeichnet er ein neuronales Netz, welches jedes eingehende Signal einer vordefinierten Gruppe zuordnet. Jedes Neuron hat hierbei genau so viele Eingänge, wie das eingehende Signal Kanäle aufweist und repräsentiert genau eine Gruppe. Außergewöhnlich ist, dass die Neuronen nicht untereinander vernetzt sind, wie man aus der Beschreibung „neuronales Netz“ schließen könnte. Vielmehr verarbeiten alle Neuronen das eingehende Signal unabhängig voneinander und geben daraufhin ein Ausgangssignal aus. Das Neuron, welches das höchste Ausgangssignal ausgibt, repräsentiert dann die Gruppe, in die das Eingangssignal vom Netz eingeordnet wurde.
Beispiel Schrifterkennung
Das Eingangssignal bestehe aus Bildpunkten, die entweder schwarz oder weiß sein können. Aneinandergegliedert sollen die Bildpunkte ein schwarz/weiß-Bild eines beliebigen Buchstabens bilden.
Das Netz hat nun die Aufgabe, für jedes beliebige eingehende Bild zu bestimmen, welcher Buchstabe darauf zu erkennen ist. Dazu benötigt das Netz für jede(n) Klasse(Buchstaben) genau ein Neuron, welches genau auf diesen Buchstaben angelernt wird. Ist der Lernprozess beendet, kann dem Netz ein beliebiges Bild vorgelegt werden. Dieses wird dann genau das Neuron am meisten aktiv werden lassen, welches den Buchstaben repräsentiert, der dem vorgelegtem Bild am ähnlichsten sieht. Dabei sind alle möglichen Bilder denkbar, auch solche, die gar keine Buchstaben zeigen. In diesem Falle wird das Netz einen Buchstaben wählen, der dem Bild noch am nächsten kommt.
Init-Quelle
Entnommen aus der:
Erster Autor: 77.179.103.0 angelegt am 06.01.2009 um 20:15,
Alle Autoren: Krd, 100 Pro, Levin, Milchmariandl, Wikijunkie, WissensDürster, Guandalug, La Corona, Bitsandbytes, Redlinux, Chrisfrenzel, Hermannthomas, 77.179.103.0
Andere Lexika
- Dieser Artikel wurde in der Wikipedia gelöscht.