Elektronikhersteller setzt neuronale Netzwerke ein

Elektronikhersteller E.D.&A. setzt neuronale Netzwerke ein, um seine elektronischen Steuerungen intelligenter zu gestalten. (Binäre) neuronale Netzwerke sind sehr kompetent für die Erkennung von Mustern und können daher perfekt eingesetzt werden, um Probleme anders anzugehen. Der Elektronikhersteller recherchiert, wie gut ein neuronales Netzwerk trainiert werden kann. Nehmen Sie beispielsweise eine Kochfeldlüftung, bei der die Steuerung mit kapazitiven Berührungssensoren bedient wird. Diese Sensoren befinden sich unter einer dicken Glasplatte mit Feuchtigkeit, Schmutz und Störungen durch die Induktionskochplatte selbst.

Das Unternehmen hat das neuronale Netzwerk so programmiert, dass es zwischen all diesen Störungen das richtige Signal (z. B. „Einschalten“) erkennt. Die benötigte große Menge an Trainingsbeispielen stammt von einem „künstlichen Finger“, der mit Druckluft den Sensor bedient und so die Datenerfassung automatisiert. Die binäre Variante von neuronalen Netzwerken wurde vom Unternehmen auch im Zusammenhang mit der Nutzung der elektronischen Steuerungen (Mikrocontroller) des Unternehmens bewertet. (Binäre) neuronale Netzwerke sind sehr kompetent für die Erkennung von Mustern und können daher perfekt eingesetzt werden, um Probleme anders anzugehen.

Zur Illustration für Maschinen- und Gerätebauer wurde eine Demo eines eigenen Embedded AI (Artifcial Intelligence) Framework implementiert. Man zeichnet eine Ziffer von 0 bis 9 auf einen Touchscreen und sie wird im Hintergrund an ein binäres neuronales Netz geschickt. Das stellt fest, welche Ziffer gemeint ist und zeigt das Ergebnis an.

Was ist ein neuronales Netz und wie funktioniert es?

Ein künstliches neuronales Netz ist hinsichtlich Aufbau und Funktion eine Imitation unseres Gehirns (biologisches neuronales Netz). Es wird u. a. bei der Fotoerkennung benötigt. Wir können beispielsweise ein System „intelligent“ machen, sodass es bestimmen kann, ob es um das Foto eines Hundes geht oder nicht. Ein neuronales Netz erhalten Sie, wenn Sie es mit einer großen Anzahl von Beispielen trainieren. Was dahintersteht ist eine lange, einfache Gleichung, die auf der Grundlage von Beispielen korrigiert wird, bis für alle Eingabewerte ein richtiges Ergebnis herauskommt. Neuronale Netze sind am stärksten beim Erkennen von Mustern. Nach dem Training können sogar neue Fotos richtig eingeordnet werden.