Göttinger Forschungsteam konstruiert Netzwerk aus selbstlernenden infomorphic neurons
Neuartige künstliche Neuronen lernen selbst und sind stärker ihren biologischen Vorbildern nachempfunden. Ein Team aus Forschenden des Göttingen Campus Instituts für Dynamik biologischer Netzwerke (CIDBN) der Universität Göttingen und des Max-Planck-Instituts für Dynamik und Selbstorganisation (MPI-DS), darunter MBExC Mitglied Viola Priesemann, hat diese infomorphic neurons programmiert und aus ihnen künstliche neuronale Netze konstruiert. Das Besondere ist, dass die einzelnen künstlichen Neuronen selbstorganisiert lernen und sich die dafür notwendigen Informationen aus ihrer unmittelbaren Umgebung im Netzwerk ziehen. Die Ergebnisse sind in der Fachzeitschrift PNAS erschienen.
Link zur Pressemitteilung
Lebende Neuronen nehmen Signale aus unterschiedlichen Quellen auf, verarbeiten diese und geben ein Ausgangssignal an andere Neuronen weiter (links). Im künstlichen Neuronenmodell kann diese Informationsverarbeitung durch ein Lernziel beschrieben und verbessert werden (rechts). Ähnlich zu ihren biologischen Vorbildern erlaubt dieses unabhängige Lernen neuartigen künstlichen Neuronen, selbstorganisiert Aufgaben zu lösen. Foto: Andreas Schneider
