Jordan-Netz

Ein Jordan-Netz ist ein partiell rückgekkoppeltes künstliches neuronales Netz, welches die Ausgabe des Netzes im darauffolgenden Zeitschritt wieder als Teil der Eingabe betrachtet. Wie beim Elman-Netz ist das Jordan-Netz somit in der Lage, Eingaben zu verschiedenen Zeitpunkte zu verarbeiten.

Weiteres empfehlenswertes Fachwissen

Richtiges Wägen mit Laborwaagen: Die Wägefibel

Dauerhaft genaue Prüfgewichte dank 12 kostenloser Tipps

Leitfaden für die Waagenreinigung: 8 einfache Schritte

Die Kontextneuronen können zusätzliche Rückkopplungen auf sich selbst aufweisen, womit der Einfluss der älteren Muster gesteuert werden kann. Die Stärke dieser Rückkopplung wird hierbei mit einem festen Erinnerungsfaktor λ gesteuert. Jordan-Netze können z.B. mittels Backpropagation trainiert, wobei die rückwärts gerichteten Kanten (Rückkopplungen) aber nicht angepasst werden.

Die Struktur des Jordannetzes weist gegenüber dem ähnlichen Elman-Netz den Nachteil auf, dass die Zahl der Rückkopplungen durch die Anzahl der Ausgabeneuronen und somit durch die Problemstellung festgelegt wird.

Beim Elman-Netzen werden anstatt der Ausgabeneuronen die Ausgaben der verdeckten Schicht rückgekoppelt, womit die Einschränkung des Jordan-Netzes aufgehoben wird. Darum werden im Allgemeinen mit Elman-Netzen bessere Resultate erzielt.

Literatur

• Michael I. Jordan, Attractor dynamics and parallelism in a connectionist sequential machine, Proceedings of the 8th Conference on Cognitive Science, Amherst, MA, USA, pp. 531-546, 1986.
• Matthias Haun: Einführung in die rechnerbasierte Simulation Artifiziellen Lebens, IBSN 3-8169-1856-5, expert verlag, Renningen, 2004.