Berechnung der optimalen Speicherkapazität eines neuronalen Netzes mit Hilfe der iterierten Replika-Symmetriebrechung
Dr. Johannes J. Schneider (Universität Mainz)

Im Gegensatz zur sogenannten künstlichen Intelligenz, bei der ein Computer-Programm einem strikt vorgegebenen Regelwerk folgt, das alle Eventualitäten abzudecken hat, versucht man bei neuronalen Netzen eine Art natürliche Intelligenz dadurch zu simulieren, dass ein neuronales Netz anhand von mehreren vorgegebenen Beispielen lernt, mit dem Ziel, die dahinterliegende Regel zu entdecken. Neben dieser Generalisierungseigenschaft stellt sich bei neuronalen Netzen vor allem auch die Frage nach der Lernkapazität, also der maximalen Zahl von Beispielen, die in einem neuronalen Netz auf stabile Weise gespeichert werden können.
In diesem Vortrag soll eine analytische Methode zur Bestimmung der optimalen Speicherkapazität eines neuronalen Netzes betrachtet werden, die auf dem Ansatz der wiederholten Replika-Symmetrie-Brechung beruht.