Qualitätsgesicherte effiziente Entwicklung vorwärtsgerichteter künstlicher Neuronaler Netze mit überwachtem Lernen (QUEEN)

In der vorliegenden Arbeit wird eine qualitätsgesicherte effiziente Entwicklung Neuronaler Netze QUEEN vorgestellt. Bestehend aus einem Vorgehensmodell und einer Entwicklungsmethodik unterstützt sie die Erstellung von vorwärtsgerichteten Neuronalen Netzen mit überwachtem Lernen für Klassifikations- und Approximations-aufgaben, welche durch die Vorgabe von Beispielen definiert werden. Den Phasen dieses Vorgehensmodells werden die zur Erstellung eines Neuronalen Netzes not-wendigen und sinnvollen Tätigkeiten zugeordnet. Das QUEEN-Vorgehensmodell ermöglicht eine einfache und strukturierte Kombination der Erstellung konventioneller Softwarekomponenten mit der Erstellung Neuronaler Netze. In das QUEEN-Vorgehensmodell ist die QUEEN-Methodik eingebettet, die auf drei Prinzipien beruht:
1. Definition einer Strategie für den Entwicklungsprozess: Vereinfachung der Aufgabenstellung durch die schrittweise Anpassung der Lagebeziehungen der Beispiele im Eingaberaum an die Lagebeziehungen im Ausgaberaum.
2. Strukturierung der Entwicklung der Neuronalen Netze durch Definition einer Ordnung über den Neuronalen Netzen hinsichtlich der Komplexität ihrer Interpretierbarkeit. Um bei der Entwicklung möglichst einfache Neuronale Netze zu erhalten und eine geeignete Qualitätssicherung durchführen zu können, wird mit entsprechend der Ordnung möglichst einfachen Neuronalen Netzen begonnen und die Komplexität nur bei Bedarf erhöht.
3. Bereitstellung von Methoden zur systematischen Vermeidung und Behebung von Problemen im Entwicklungsprozess.
Die Qualitätssicherung basiert unter anderem auf einer detaillierten Analyse der zum Training des Netzes erhobenen und erfassten Beispiele, der Interpretation der erstellten Neuronalen Netze durch einen Fachexperten des Anwendungsgebietes und einer systematischen Qualitätskontrolle jedes erstellten Zwischenproduktes. Die Anzahl der Zwischenschritte zur Entwicklung eines Neuronalen Netzes wird durch die Trennung der Repräsentations- und Kodierungsphase von der Entwicklung des Neuronalen Netzes erhöht. Zur Qualitätskontrolle der in der Kodierungs- und Repräsentationsphase erstellten Zwischenergebnisse wurden im Rahmen dieser Arbeit Qualitätsindikatoren entwickelt. Anhand von 17 Projekten aus den Anwendungsgebieten Medizin und Technik wird gezeigt, dass sich mit Hilfe von QUEEN Projekte effizient und qualitätsgesichert durchführen lassen.

Qualitätsgesicherte effiziente Entwicklung vorwärtsgerichteter künstlicher Neuronaler Netze mit überwachtem Lernen (QUEEN) Vollständiger Abdruck der von der Fakultät für Informatik der TechnischenUniversität München zur Erlangung des akademischen Grades einesDoktors der Naturwissenschaftengenehmigten Dissertation.Vorsitzender: Univ.-Prof. Dr. M. PaulPrüfer der Dissertation:1. Univ.-Prof. Dr. Dr. h.c. W. Brauer2. Univ.-Prof. Dr. M. B. Wischnewsky,Universität BremenDie Dissertation wurde am 11.11.1998 bei der Technischen UniversitätMünchen eingereicht und durch die Fakultät für Informatik am 5.7.1999angenommen.