Artificial neural pattern

Ein System lernt selbstständig zu zeichnen. Das künstliche neuronale Netz generiert selbstbeobachtend Muster. Bestehend aus einem künstlich neuronalen Netzwerk, einer Zeichenmaschine und einer Kamera, entsteht ein rekursives System. Der generative Prozess des Lernens des neuronalen Netzwerks zeichnet Muster. Diese Muster sind eine Visualisierung des Lernprozesses des neuronalen Netzes. Das Netzwerk beeinflusst sich auf drei Ebenen. Eine Ebene verarbeitet das Bild der Kamera. Die zweite Ebene, ein künstliches neuronales Netzwerk, lernt aus dem Input der Kamera. Die dritte Ebene gibt das Signal aus dem Netzwerk an die Zeichenmaschine und die Zeichnung wird wieder von der Kamera beobachtet. So entsteht ein rekursives System, welches selbstständig lernt Muster zu zeichnen. Das neuronale Netzwerk basiert auf der Methode des Perzeptron-Netzwerkes von Frank Rosenblatt und der Hebbschen Lernregel, welche zu Beginn der Forschung zur künstlichen Intelligenz in den 1950er Jahren entwickelt wurden. Beide Methoden bilden noch heute die konzeptionelle Grundlage künstlicher neuronaler Netze. Künstliche neuronale Netze werden zunehmend in unserer Gesellschaft agieren. Sie werden Entscheidungen treffen, Daten effizient auswerten - kategorisieren, Objekte erkennen und mittels Daten lernen. Das Projekt „Neuronale Zeichen“ visualisiert die Grundstruktur des Lernens in neuronalen Algorithmen.