Ziel der vorliegenden Arbeit ist es, einen Überblick über die Funktionsweise Neuronaler Netzwerke zu gewinnen. Darüber hinaus sollen Anwendungsfälle Neuronaler Netzwerke in der Logistik kategorisiert und einige ausgewählte Anwendungsfälle exemplarisch näher erläutert werden.
Systeme der Künstlichen Intelligenz (KI) sind Schlüsseltechnologien unserer Zeit und werden bereits in vielen Bereichen des alltäglichen Lebens eingesetzt. Ein Teilgebiet der schwachen KI bilden Künstliche Neuronale Netzwerke, für die es bereits zahlreiche Anwendungsbereiche gibt, zu denen auch die Logistik gehört. Künstliche Neuronale Netzwerke (nachfolgend als Neuronale Netzwerke bezeichnet) bestehen aus miteinander verbundenen Einheiten, die natürliche Neuronen nachbilden sollen. Die Informationsverarbeitung erfolgt, indem sich die Neuronen mithilfe von gewichteten Verbindungen untereinander aktivieren. Charaktertisch für Neuronale Netzwerke ist deren Lernfähigkeit. Sie können die Erledigung bestimmter Aufgaben anhand von Trainingsbeispielen erlernen, ohne dass dafür eine explizite Programmierung notwendig ist.
Neben der Lernfähigkeit zeichnen sich Neuronale Netzwerke durch eine verteilte Wissensrepräsentation aus. Das gelernte „Wissen“ ist in Neuronalen Netzwerken in Gewichten verteilt gespeichert, was zum einen eine hochgradig parallele Informationsverarbeitung ermöglicht und zum anderen zu einer höheren Fehlertoleranz des Gesamtsystems gegenüber dem Ausfall einzelner Neuronen oder Verbindungen führt.
Es existieren eine Vielzahl von Anwendungsbereichen, die von den Eigenschaften von Neuronalen Netzwerken profitieren könnten. Unternehmen wie Google setzen Neuronale Netzwerke u. a. zum Zweck der Bilderkennung ein. Und erst kürzlich besiegte Google Deep Mind den amtierenden Weltmeister im komplexen Strategiespiel Go. Dank der kontinuierlichen Weiterentwicklung in der Informationstechnik vergrößert sich das Anwendungsspektrum für Neuronale Netzwerke. Die Anwendungsbereiche Neuronaler Netzwerke in der Logistik sind ebenfalls vielfältig. Dies gilt nahezu für alle Bereiche der Wertschöpfungskette sowohl im Logistikbereich eines Unternehmens als auch für Logistikketten zwischen Unternehmen.
Inhaltsverzeichnis
- 1 Einleitung
- 2 Grundlagen
- 2.1 Biologische Grundlagen
- 2.2 Historische Übersicht
- 2.3 Grundlagen Neuronaler Netzwerke
- 2.3.1 Schematischer Verarbeitungsprozess
- 2.3.2 Trainings- und Anwendungsphase
- 3 Anwendungsfälle Neuronaler Netzwerke
- 3.1 Überwachtes Lernen
- 3.1.1 Feed-Forward-Netzwerke
- 3.1.2 Feedback-Netzwerke
- 3.2 Unüberwachtes Lernen
- 3.2.1 Kohonen-Netzwerk
- 3.1 Überwachtes Lernen
- 4 Ausgewählte Topologien Neuronaler Netzwerke
- 5 Softwaretechnische Implementierung Neuronaler Netzwerke
- 6 Fazit
Zielsetzung und Themenschwerpunkte
Die Arbeit verfolgt das Ziel, einen umfassenden Einblick in die Funktionsweise von Neuronalen Netzwerken zu geben und deren Einsatzmöglichkeiten in der Logistik aufzuzeigen. Der Fokus liegt dabei auf ausgewählten Anwendungsfällen und deren Kategorisierung anhand verschiedener Anwendungskategorien.
- Grundlagen Neuronaler Netzwerke
- Anwendungsfälle in der Logistik
- Klassifizierung von Anwendungskategorien
- Exemplarische Analyse ausgewählter Anwendungsfälle
- Softwaretechnische Implementierung
Zusammenfassung der Kapitel
Das erste Kapitel führt in das Thema ein und erläutert die Bedeutung von Künstlicher Intelligenz (KI) und Neuronalen Netzwerken in der heutigen Zeit. Der zweite Teil der Arbeit widmet sich den biologischen Grundlagen Neuronaler Netzwerke und bietet einen historischen Überblick. Kapitel drei behandelt ausgewählte Typen Neuronaler Netzwerke und ihre Funktionsweise. Im vierten Kapitel werden verschiedene Anwendungsfälle Neuronaler Netzwerke in der Logistik vorgestellt und in Kategorien wie Datenanalyse, Prognose, Klassifizierung und Optimierung eingeteilt.
Schlüsselwörter
Künstliche Intelligenz (KI), Neuronale Netzwerke, Logistik, Anwendungskategorien, Datenanalyse, Prognose, Klassifizierung, Optimierung, Tourenplanung, Travelling Salesman Problem, Verhaltensprognose, Bedarfsprognose, Softwaretechnische Implementierung
- Quote paper
- Anonym (Author), 2020, Neuronale Netzwerke. Grundlagen und ausgewählte Anwendungsfälle in der Logistik, Munich, GRIN Verlag, https://www.grin.com/document/1275525
