Search (2 results, page 1 of 1)

0.0102939 = product of:
  0.0411756 = sum of:
    0.0411756 = weight(_text_:und in 1665) [ClassicSimilarity], result of:
      0.0411756 = score(doc=1665,freq=14.0), product of:
        0.1271084 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.057349887 = queryNorm
        0.32394084 = fieldWeight in 1665, product of:
          3.7416575 = tf(freq=14.0), with freq of:
            14.0 = termFreq=14.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.0390625 = fieldNorm(doc=1665)
  0.25 = coord(1/4)

Abstract

Bericht über die Arbeit einer Forschungsgruppe, die sich über ca. 15 Jahre mit Kreativität und Analogiefähigkeit von KI-Systemen (Künstlicher Intelligenz) beschäftigt haben. Die entscheidende Frage für Hofstadter und seine Crew, die Fluid Analogies Research Group, lautet: Können Computer Analogien erkennen, und ist nicht gerade diese Mustererkennung ein Zeichen von höherer Intelligenz? Was ist Kreativität anderes, als starre Formen, Sequenzen zu verflüssigen, um hinter das Geheimnis ihrer Zusammenhänge zu kommen und neue Muster bilden zu können? "Der liebe Gott würfelt nicht", meinte Einstein. Wenn er es dennoch täte, dann ergäbe die Zahlenfolge sicherlich ein Muster besonderer Art.

Classification

ST 285 Informatik / Monographien / Software und -entwicklung / Computer supported cooperative work (CSCW), Groupware

RVK

ST 285 Informatik / Monographien / Software und -entwicklung / Computer supported cooperative work (CSCW), Groupware

0.009842852 = product of:
  0.03937141 = sum of:
    0.03937141 = weight(_text_:und in 1590) [ClassicSimilarity], result of:
      0.03937141 = score(doc=1590,freq=20.0), product of:
        0.1271084 = queryWeight, product of:
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.057349887 = queryNorm
        0.3097467 = fieldWeight in 1590, product of:
          4.472136 = tf(freq=20.0), with freq of:
            20.0 = termFreq=20.0
          2.216367 = idf(docFreq=13101, maxDocs=44218)
          0.03125 = fieldNorm(doc=1590)
  0.25 = coord(1/4)

Abstract

In diesem Buch werden theoretische Ansätze und Modelle, die in der Literatur verstreut sind, zu einer modellübergreifenden Theorie der künstlichen neuronalen Netze zusammengefügt. Mit ständigem Blick auf die Biologie wird - ausgehend von einfachsten Netzen - gezeigt, wie sich die Eigenschaften der Modelle verändern, wenn allgemeinere Berechnungselemente und Netztopologien eingeführt werden.õJedes Kapitel enthält Beispiele und ist ausführlich illustriert und durch bibliographische Anmerkungen abgerundet. Das Buch richtet sich an Leser, die sich einen Überblick verschaffen oder vorhandene Kenntnisse vertiefen wollen. Es ist als Grundlage für Neuroinformatikvorlesungen an deutschsprachigen Universitäten geeignet.

Classification

QH 700 Wirtschaftswissenschaften / Mathematik. Statistik. Ökonometrie. Unternehmensforschung / Ökonometrie (einschließlich Logit-, Probit- und Tobitmodellen, d. h. Modellen mit qualitativen und begrenzt abhängigen Variablen [limited dependent variables]) / Datenverarbeitung. Wirtschaftsinformatik / Kybernetik. Neuronale Netze
ST 285 Informatik / Monographien / Software und -entwicklung / Computer supported cooperative work (CSCW), Groupware

RVK

QH 700 Wirtschaftswissenschaften / Mathematik. Statistik. Ökonometrie. Unternehmensforschung / Ökonometrie (einschließlich Logit-, Probit- und Tobitmodellen, d. h. Modellen mit qualitativen und begrenzt abhängigen Variablen [limited dependent variables]) / Datenverarbeitung. Wirtschaftsinformatik / Kybernetik. Neuronale Netze
ST 285 Informatik / Monographien / Software und -entwicklung / Computer supported cooperative work (CSCW), Groupware