Lexikon der Neurowissenschaft

Neuroinformatik

In der biologischen Neuroinformatik betrachtet man künstliche neuronale Netze als Modelle für die Informationsverarbeitung im Nervensystem verschiedener Tiere. Hier geht es darum, durch Modellierung zu einem besseren Verständnis der neuronalen und synaptischen Mechanismen, Strukturen und Prozesse zu kommen, die in den Gehirnen oder Nervensystemen von Tieren vermutlich gewisse Verhaltensleistungen ermöglichen bzw. hervorbringen. Die Fragestellung unterscheidet sich hier von der in der Neurobiologie und in der Hirnforschung vorwiegenden Frage der Lokalisation ("was wird in welchem Hirnteil gemacht") durch die Konzentration auf die Frage "wie wird es gemacht".

In der theoretischen NI werden die generellen Informationsverarbeitungsmöglichkeiten von künstlichen neuronalen Netzen untersucht. Ein besonders wichtiger Teilbereich ist die algorithmische und statistische Lerntheorie. Hier gibt es starke Affinitäten zur Theorie der Schaltnetze, der Automaten, der formalen Sprachen, zur Komplexitätstheorie sowie zur Approximationstheorie und zur Statistik.

In der angewandten NI werden technische Anwendungsmöglichkeiten der künstlichen neuronalen Netze sowie die Verbesserung der damit verbundenen Lernverfahren und Simulationswerkzeuge untersucht. Solche Anwendungen ergeben sich z.B. bei der Vorhersage von Börsenkursen, bei der Qualitätskontrolle und Diagnose, in der Spracherkennung und in der Robotersteuerung.

In der technischen NI wird der Einsatz von spezieller Hardware oder von Parallelrechnern zur schnellen (oft massiv parallelen) Simulation von künstlichen neuronalen Netzen untersucht. Teilweise werden hier spezielle Rechnerarchitekturen entwickelt (sogenannte Neurocomputer).

[Drucken] [Fenster schliessen]