IV ANHANG. Cambridge, Massachusetts: The MIT Press. ISBN
|
|
- Eleonora Baumhauer
- vor 6 Jahren
- Abrufe
Transkript
1 IV ANHANG 13 Literaturverzeichnis 13.1 Literaturverweise aus dem Text Anderson JA, Silverstein JW, Ritz SA, Jones RS Distinctive features, categorical perception, and probability 1earning: some applications of a neural model. In: Anderson JA, Rosenfeld E Neurocomputing: foundations of research. Cambridge, Massachusetts: The MIT Press. ISBN Hebb DO The Organization of Behavior. New York: Wiley. Auszug in: Anderson JA, Rosenfeld E Neurocomputing: foundations of research. Cambridge, Massachusetts: The MIT Press. ISBN Hinton GE, McClelland JL, Rumelhart DE Distributed representations. In: Rumelhart DE et al Parallel distributed processing; voll; chap 3. Cambridge, Massachusetts: The MIT Press. ISBN Hopfield JJ Neural networks and physical systems with emergent collective computational abilities. In: Anderson JA, Rosenfeld E Neurocomputing: foundations of research. Cambridge, Massachusetts: The MIT Press. ISBN McClelland JL, Rumelhart DE. 1988a. A distributed model of human learning and memory. In: Rumelhart DE et al Parallel distributed processing; vol2; chap 17. Cambridge, Massachusetts: The MIT Press. ISBN McClelland JL, Rumelhart DE. 1988b. Amnesia and distributed memory. In: Rumelhart DE et al Parallel distributed processing; vol2; chap 25. Cambridge, Massachusetts: The MIT Press. ISBN
2 Literaturverzeichnis McClelland JL, Rumelhart OE. 1988c. Explorations in parallel distributed processing: a handbook ofmodels, programs, and exercises. Cambridge, Massachusetts: The MIT Press. ISBN X. Palmer DA Neuronale Netze und Expertensysteme. Design&Elektronik Ritter H, Martinez T, Schulten K Ein Gehirn für Roboter: Wie neuronale Netzwerke Roboter steuern können. mc 2 : 48. Rumelhart OE, Hinton GE, Williams RJ Learning internal representations by error propagation. In: Rumelhart OE et al Parallel distributed processing; voll; chap 8. Cambridge, Massachusetts: The MIT Press. ISBN Schmidt RF (Hrsg) Grundriß der Neurophysiologie. Berlin Heidelberg New York: Springer. Heidelberger Taschenbücher Bd 96. ISBN Weiterführende Literatur Anderson JA, Rosenfeld E Neurocomputing: foundations of research. Cambridge, Massachusetts: The MIT Press. ISBN Eine repräsentative Zusammenstellung "klassischer", in der Literatur häufig zitierter Aufsätze über neuronale Netze Ritter H, Martinez T, Schulten K Neuronale Netze: Eine Einführung in die Neuroinformatik selbstorganisierender Netzwerke. Bonn usw: Addison-Wesley. ISBN Eine deutschsprachige Einführung mit besonderem Schwergewicht auf selbstorganisierenden Karten Rumelhart OE et al Parallel distributed processing; Cambridge, Massachusetts: The MIT Press. voll: ISBN ; vol2: ISBN Eine "klassische", bereits in siebter Auflage erschienene Einführung in die Thematik neuronaler Netze. Das folgende Buch beschreibt ein Simulationsprogramm (einschließlich Diskette für IBM-PC) und bildet eine nützliche Ergänzung: McClelland JL, Rumelhart OE Explorations in parallel distributed processing: a handbook ofmodels, programs, and exercises. Cambridge, Massachusetts: The MIT Press. ISBN X.
3 13 Literaturverzeichnis 227 Schöneburg E, Hansen N, Gawelczyk A Neuronale Netzwerke: Einführung, Überblick und Anwendungsmöglichkeiten. Haar bei München: Markt&Technik. ISBN Deutschsprachige Einführung. Enthält eine Diskette mit einem Simulationsprogramm füribm-pc.
4 14 Synonym verzeichnis Dieses Verzeichnis enthält eine Auswahl von Fachausdrücken. Links steht der in diesem Buch verwendete Ausdruck, rechts eine Liste zugehöriger Synonyme. Englische Ausdrücke sind kursiv gesetzt. Auto-Assoziator Axon Backpropagation-Lemregel BSB DMA Muster-Assoziator Neuron parallel verteilte Verarbeitung rückgekoppeltes Netz Schicht auto-associator Nervenfaser verallgemeinerte Delta-Lernregel Brain-State-in-the-Box Distributed memory and amnesia pattern associator Nervenzelle, Ganglienzelle; Verarbeitungselement parallel distributed processing, PDP rekurrentes Netz Lage, layer
5 15 Symbol verzeichnis Ausgänge eines Netzes c 1 Aktivität des Neurons i Abklingkonstante in der Aktivierungsfunktion Eingänge eines Netzes i (Index) j (Index) N NA NE n n 1 r numeriert gewöhnlich die Neuronen eines Netzes numeriert gewöhnlich die Eingänge eines Neurons Anzahl der Neuronen eines Netzes Anzahl'der Ausgänge eines Netzes Anzahl der Eingänge eines Netzes Anzahl der Eingänge eines Neurons Anzahl der Eingänge des Neurons i Lemrate in der Lemregel Sollwerte eines Netzes s Skalierungsfaktor in der Aktivierungsfunktion Gewicht des Neurons i am Eingang j Änderung des Gewichts Wij C 1 (S,Z) <... > [...][... ] effektiver Eingangswert des Neurons i Position eines Wertes in einer Matrix: Z = Zeile Tastenbetätigungen Auswahl eines Menüpunkts S = Spalte,
6 16 Register "runtime error 205" 96 AA1.MST 91 Abbruchkriterium 61 Abklingkonstante 22,27 Abnahme 22,27 Abweichung 65,66, siehe auch Fehler Aktionspotential 3 Aktivierungsfunktion 21,22,27,137 analoge Standard- 22,27,89 ändern 67 BSB- 100 digitale Standard- 22,37 DMA-I02 Aktivität 27 elektrische 3 ALLGPROG 142 ALLGUPG 142,145 Anzeige 10 durch Punkte 17,67 durch Ziffern 17,67 Matrix 18 Zahlengruppe 18 Anzeigeformat 16 Anzeigesteuerung 70 Arbeitsfläche 11 Arbeitsspeicher 9 Größe 64,69 ASSP.MST75 Ausgangsfeld 20,31 Ausgangsfunktion 23,137 ändern 67 Fermi- 23,24 lineare 23 McCulloch-Pitts- 23,24 Ausgangsmuster 36 Ausgangsschicht 19 auto-associator 7 Auto-Assoziator 7,88,139 linearer 7,88 Zusammenfassung 112 Axon 1,2 backpropagation 118 Backpropagation-Netz 8,69,114,140 Bedieneroberfläche 11 Bezeichner 143 Bildschirm 9,11 monochromer 18 Brain-State-in-the-Box 7 BSB-Modell 7,99 Buchstaben 80,96 Computer, herkömmlicher 5 Computersimulation 19 Coprozessor 9 Daten Ausgabe 68 Eingabe 10,68 Datenstruktur Netz 31 Neuron 26 Dendrit 1,2 Dialogelement 15 Dialogfenster 12,14 Diskettenlaufwerk 9
7 16 Register Distributed memory and amnesia 7 DMA-ModeIl7,101 Drucken des Netzzustands 50 Eingangsfeld 20,31 Eingangsmuster 36 Eingangsneuron 20 Eingangsschicht 19 Eingangswert, effektiver 22,26,137 Eingangszuordnung 27 Exklusiv-ODER 114 Fehler 44, siehe auch Abweichung Berechnung 57 Fenster 11,13 aktives 13 aktivieren 14 Größenänderung 13 Nummer 13 Titel 13 verschieben 13 Fensterverwaltung 142 Festkommadarstellung 17 Festplatte 9 feuern 3 Fließkommadarstellung 17 Fokussierung 16 Funktionsnummer 30 Ganglienzelle 2 Gewicht 22,26,27 GrafIk 9,143 Hardwarevoraussetzungen 9 Hilfsprogramm 26,164 HOPF1.GWT 135 HopfIeld-Netz 8,69,132,141 Intelligenz, Künstliche 1,86 Konstanten ändern 223 Label 16 Lage 20 Lemmodus 33 ändern 67 Lemphase25 Lernrate 33,52,117 ändern 67 Lernregel 33 ändern 67 Backpropagation- 8,114,116,117,140 Delta-7,60,97,139,140 Hebbsche 7,51,90,133,139,140,141 verallgemeinerte Delta- 8,115 Widrow-Hoff- siehe Lernregel, Delta- Lernschritte Anzahl ändern 67 Lemvorgang abbrechen 65 auslösen 65 Einzelheiten festlegen 65 im Nervensystem 3 Lesen von Gewichten 50 von Mustern 48 LIESDAS. TXT 9 MABUCH.MST 99 MABUCH1.GWT 100 MABUCH1.MST 96,98,100 Markierungsfeld 15 Massenspeicher 9 Maus 9 Maximum der Aktivierungsfunktion 27 der Ausgangsfunktion
8 232 Meldung 10 Membranpotential 3 Menüleiste 11 Menüpunkt Aktionen 65 aktives Muster 66,67 angezeigtes Neuron 66 Anzeige 65,66 Auto-Assoziator 64 Backpropagation-Netz 64 drucken 68 Eingänge 68 Einrichten 64 Ende 64 Formate 66 Gewichte 68,69 Gewichte lesen 68 Gewichte speichern 68 Hopfield-Netz 64 Info 64,65,69 Lernen 65 Lernmodus 67 Muster 65,68 Muster ändern 68 Muster eingeben 68 Muster lesen 68,69 Muster speichern 68,69 Muster-Assoziator 64 Netz 69 Netz beenden 65,66 Netz deaktivieren 69 Neuronentyp 67 Parameter 65,67 Reproduktionsmodus 67,68 Reproduzieren 65,66 Rücksetzen 65,69 Sollwert 68 Speicher 64,69 Werte 65,68 Zufallsgenerator Gewichte Register Zufallsgenerator Neuron 69 Menüpunkt, Aufruf 10,11 Minimum der Aktivierungsfunktion 27 der Ausgangsfunktion 23 Möbel 102,134 MOEBELl.MST 103,104 MOEBELlA.GWT 104 MOEBE12.MST 103,106,134,135 MOEBE12A.GWT 106 MOEBEL3.MST 107 MOEBEL3A.GWT 107 MOEBEL3B.GWT 109 MOEBEL4.MST 109,110 MOEBEL4A.GWT 109 Muskelzelle 3 Muster ändern 69 auswählen 67 bearbeiten 68 eingeben 68 lesen 69 speichern 69 Muster-Assoziator 7,36,74,139 Zusammenfassung 72 Musterbehandlung 33 Mustererkennung 6 Nervenfaser 2 Nervensystem 1 Nervenzelle 2 NETZ 26,142,183 Netz Aufbau 31 berechnen 137 Daten anzeigen 69 deaktivieren 69 einrichten 64 Struktur 24 Zustände 24
9 16 Register Netz. kompetitives 86 Netzparameter ändern 67 Neurocomputer 5 Neuron 2,19,20,31 Ausgang 4 Ausgangs- 20 berechnen 137 Eingang 4 Eingangs- 20,32 Erregungszustand 4 Ruhezustand 4 Typ 24 verborgenes 8,20,116 neuronales Netz (Definition) 5 Neuronentyp ändern 67 Neuronstrukturen 156 Neurotransmitter 3 NHEBB.MST 56,62 NHEBBA.MST 59,61 NN.PRT 68 Objekt 142 ODER-Problem 7,38 Analyse 46 ODER.MST 53 parallel distributed processing 5 parallel verteil te Verarbeitung 5 pattern associator 7 PDP5 Programm beenden 64 Eingabe 222 Modifikation 222 Neuerstellung 222 Programmablauf 64 Programmbedienung 10,38,64,90 Programmdateien 144 Programminstallation 9 Programmkern 26 Programmkonstanten ändern 223 Quellprogramm 222 Quelltext Rahmenprogramm 144 Reproduktionsphase 25 Reproduktionsschritte, Anzahl ändern 68 Reproduktionsvorgang auslösen 66 Rollbalken 14 Rückkopplung 89 Ruhewert 27 Ruhezustand eines Neurons 3 runtime error 9 Schalter 15 aktiver 15 betätigen 15,16 Schaltfeld 15 Schicht 20 Zählung 21 Schichtbeschreiber 32 Schließfeld 14 Schlüsselwörter 143 Schreibweise von Programmelementen 143 Schwelle 23 Selbstrückkopplung 89,132 sigmoid 24 Simulationsprogramm, Start 38 Sinneszelle 3 Skalierungsfaktor 22,27 Sollwert 31 Sollwertfeld 31 Sondertasten 70 Spalt, synaptischer 2 Speichern von Gewichten 49 von Mustern 48
10 234 Speicherung, assoziative 74 Stabilität 3 Standardwerte ändern 223 Statuszeile 11 Steigung 23 Synapse 1,2 erregende 3 hemmende 3 Tasten 10,70 Tastenfolge 10 Tastenkombination 10 Text ändern 222 TNetz 33,183 TNeuron29 Turbo-Vision 142 UNETZ 26,142,164 UNEURON 26,142,156 Unit 142 Unitnamen 143 VAR (Schlüsselwort) 143 Verarbeitungselement 5,19 verborgene Schicht 19 Vorkenntnisse 8 XOR-Problem 8,114,119 XOR.MST Register Zeichenketten-Eingabefeld 15 Zeichenkettenoperationen 142 Zellkern 1,2 Zellkörper 1,2 Zellmembran 2 Zoomfeld 13 Zufallszahlengenerator 135,142,145 Grenzwerte ändern 69 Startwert ändern 69 Zustandsänderung 24
11 Programmieren in Prolog Eine umfassende und praxisgerechte Einführung von Peter Bothner und Wolf-Michael Kähler XII, 366 Seiten. Kartoniert. ISBN Dieses Buch gibt eine problembezogene Einführung in die PROLOG-Programmierung, die bewußt einfach gehalten ist und keine Vorkenntnisse aus der mathematischen Logik voraussetzt. Die grundlegenden Sprachelemente von PROLOG werden in ausführlicher Form dargestellt, ohne daß der sachgerechte Einsatz bei der Lösung komplizierterer AufgabensteIlungen ausgespart bleibt. Das Buch gibt eine leicht lesbare und anschauliche Beschreibung der Ableitbarkeits Prüfung, bei der durch das PROLOG-System festgestellt wird, ob sich eine Anfrage aus den innerhalb einer Wissensbank gespeicherten Fakten und Regeln ableiten läßt. Um das Arbeiten mit einem PROLOG-System zu demonstrieren, werden die zur Zeit am weitesten verbreiteten Systeme "IF/Prolog" und "PDC-Prolog!Turbo Prolog" vorgestellt. Da das Verständnis der Usten-Verarbeitung erfahrungsgemäß zu den schwierigsten Problemen bei der PROLOG-Programmierung zählt, wird in aller Ausführlichkeit gezeigt, wie sich Usten aufbauen und bearbeiten lassen. Dieses Buch, das viele Aufgaben mit kommentierten Lösungen enthält, ist als Begleitlektüre für Lehrveranstaltungen und zum Selbststudium zu empfehlen. Verlag Vieweg. Postfach Wiesbaden 1 vleweg
12 Wege zu HyperCard Einstieg in eine neue Software-Generation mit Version 2 von Karl-Heinz Becker und Michael Dörfler VIII, 307 Seiten. Kartoniert. ISBN Wege zu HyperCard Jede Seite dieses Buches ist eine Einladung an den Leser, die "Wege zu und mit HyperCard" gemeinsam mit den Autoren zu erkunden. Spielerisch und doch profund gehen die Autoren an den Stoff heran. Leitende Mottos sind etwa" Probieren geht über Studieren", "Das Prinzip verstehen", "Klau Dir ein paar Knöpfe", "Dem Geheimnis auf der Spur", "Gehversuche mit HyperTalk", "Verbindungen schaffen neue Möglichkeiten". Das Buch zur neuen Software in der aktuellen Version 2.0. Verlag Vieweg. Postfach Wiesbaden 1
Kleines Handbuch Neuronale Netze
Norbert Hoffmann Kleines Handbuch Neuronale Netze Anwendungsorientiertes Wissen zum Lernen und Nachschlagen - vieweg INHALTSVERZEICHNIS 1 Einleitung, 1.1 Begriff des neuronalen Netzes 1 11.1 Neurophysiologie
MehrEinführung in neuronale Netze
Einführung in neuronale Netze Florian Wenzel Neurorobotik Institut für Informatik Humboldt-Universität zu Berlin 1. Mai 2012 1 / 20 Überblick 1 Motivation 2 Das Neuron 3 Aufbau des Netzes 4 Neuronale Netze
MehrGrundlagen Künstlicher Neuronaler Netze
FernUniversität in Hagen Fachbereich Elektrotechnik und Informationstechnik Lehrgebiet Informationstechnik Seminar Computational Intelligence in der Prozessautomatisierung 7. Juli 2003 Grundlagen Künstlicher
Mehrauch: Konnektionismus; subsymbolische Wissensverarbeitung
10. Künstliche Neuronale Netze auch: Konnektionismus; subsymbolische Wissensverarbeitung informationsverarbeitende Systeme, bestehen aus meist großer Zahl einfacher Einheiten (Neuronen, Zellen) einfache
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Eigenschaften neuronaler Netze: hohe Arbeitsgeschwindigkeit durch Parallelität, Funktionsfähigkeit auch nach Ausfall von Teilen des Netzes, Lernfähigkeit, Möglichkeit zur Generalisierung
MehrNeuronale Netze. Gehirn: ca Neuronen. stark vernetzt. Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor)
29 Neuronale Netze Gehirn: ca. 10 11 Neuronen stark vernetzt Schaltzeit ca. 1 ms (relativ langsam, vgl. Prozessor) Mustererkennung in 0.1s 100 Schritte Regel 30 Was ist ein künstl. neuronales Netz? Ein
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII 263 http://wwwstud.fh-zwickau.de/~sibsc/ sibylle.schwarz@fh-zwickau.de SS 2011 1 Softcomputing Einsatz
MehrHTWM. Neuronale Netze. Hochschule für Technik und Wirtschaft Mittweida. Technikumsplatz Mittweida
HTWM Hochschule für Technik und Wirtschaft Mittweida Technikumsplatz 7 09648 Mittweida Fach: Neuronale Netze Prof.: Prof. Gaudlitz Neuronale Netze Mitschrift von: Drost Isabel Seminargruppe: if99wp Erstelldatum:
MehrAndreas Scherer. Neuronale Netze. Grundlagen und Anwendungen. vieweg
Andreas Scherer Neuronale Netze Grundlagen und Anwendungen vieweg Inhaltsverzeichnis Vorwort 1 1 Einführung 3 1.1 Was ist ein neuronales Netz? 3 1.2 Eigenschaften neuronaler Netze 5 1.2.1 Allgemeine Merkmale
MehrNeuronale Netze in der Robotik
Seminarvortrag Neuronale Netze in der Robotik Datum: 18.01.2002 Vortragende: Elke von Lienen Matrikelnummer: 302489 Studiengang: Informatik Inhaltsverzeichnis Einleitung 3 Biologisches Vorbild 4 Künstliche
MehrMedizinische Statistik mit R und Excel
Springer-Lehrbuch Medizinische Statistik mit R und Excel Einführung in die RExcel- und R-Commander-Oberflächen zur statistischen Auswertung Bearbeitet von Rainer Muche, Stefanie Lanzinger, Michael Rau
MehrGliederung. Biologische Motivation Künstliche neuronale Netzwerke. Anwendungsbeispiele Zusammenfassung. Das Perzeptron
Neuronale Netzwerke Gliederung Biologische Motivation Künstliche neuronale Netzwerke Das Perzeptron Aufbau Lernen und Verallgemeinern Anwendung Testergebnis Anwendungsbeispiele Zusammenfassung Biologische
MehrAufbau und Beschreibung Neuronaler Netzwerke
Aufbau und Beschreibung r 1 Inhalt Biologisches Vorbild Mathematisches Modell Grundmodelle 2 Biologisches Vorbild Das Neuron Grundkomponenten: Zellkörper (Soma) Zellkern (Nukleus) Dendriten Nervenfaser
MehrWas bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen
Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise
MehrComputational Intelligence 1 / 31. Computational Intelligence Künstliche Neuronale Netze Geschichte 3 / 31
1 / 31 Gliederung 1 Künstliche Neuronale Netze Geschichte Natürliches Neuron Künstliches Neuron Typen von Neuronen Geschichte Künstliche Neuronale Netze Geschichte 3 / 31 1943 Warren McCulloch (Neurologe),
MehrKohonennetze Selbstorganisierende Karten
Kohonennetze Selbstorganisierende Karten Julian Rith, Simon Regnet, Falk Kniffka Seminar: Umgebungsexploration und Wegeplanung mit Robotern Kohonennetze: Neuronale Netze In Dendriten werden die ankommenden
MehrUniversität zu Köln Seminar: Künstliche Intelligenz II Dozent: Claes Neuefeind SS 2012. Neuronale Netze. Von Deasy Sukarya & Tania Bellini
Universität zu Köln Seminar: Künstliche Intelligenz II Dozent: Claes Neuefeind SS 2012 Neuronale Netze Von Deasy Sukarya & Tania Bellini Einführung Symbolische vs. Sub-symbolische KI Symbolische KI: Fokussierung
MehrPraktische Optimierung
Wintersemester 27/8 Praktische Optimierung (Vorlesung) Prof. Dr. Günter Rudolph Fakultät für Informatik Lehrstuhl für Algorithm Engineering Metamodellierung Inhalt Multilayer-Perceptron (MLP) Radiale Basisfunktionsnetze
Mehr1 Neuronale Netze Historisches
1 Neuronale Netze Historisches Literatur, erste Modelle 1 begleitende Literatur T.Kohonen: Associative Memory: A system theoretic approach. New York, Springer 1977 D.E.Rumelhart, J.L.McLelland: Parallel
MehrNeuronale Netze in der Phonetik: Grundlagen. Pfitzinger, Reichel IPSK, LMU München {hpt 24.
Neuronale Netze in der Phonetik: Grundlagen Pfitzinger, Reichel IPSK, LMU München {hpt reichelu}@phonetik.uni-muenchen.de 24. Mai 2006 Inhalt Einführung Maschinelles Lernen Lernparadigmen Maschinelles
MehrDatenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?
Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic
MehrEinführung in Automation Studio
Einführung in Automation Studio Übungsziel: Der links abgebildete Stromlaufplan soll mit einer SPS realisiert werden und mit Automation Studio programmiert werden. Es soll ein Softwareobjekt Logik_1 in
MehrTheoretische Informatik 1
Theoretische Informatik 1 Boltzmann Maschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2014 Übersicht Boltzmann Maschine Neuronale Netzwerke Die Boltzmann Maschine Gibbs
MehrNeuronale Netze (I) Biologisches Neuronales Netz
Neuronale Netze (I) Biologisches Neuronales Netz Im menschlichen Gehirn ist ein Neuron mit bis zu 20.000 anderen Neuronen verbunden. Milliarden von Neuronen beteiligen sich simultan an der Verarbeitung
MehrSimulation neuronaler Netzwerke mit TIKAPP
Überblick Michael Hanke Sebastian Krüger Institut für Psychologie Martin-Luther-Universität Halle-Wittenberg Forschungskolloquium, SS 2004 Überblick Fragen 1 Was sind neuronale Netze? 2 Was ist TIKAPP?
MehrPraktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider
Praktikum Computational Intelligence 2 Ulrich Lehmann, Johannes Brenig, Michael Schneider Versuch: Training des XOR-Problems mit einem Künstlichen Neuronalen Netz (KNN) in JavaNNS 11.04.2011 2_CI2_Deckblatt_XORbinaer_JNNS_2
MehrStatistische Methoden der Datenanalyse
Statistische Methoden der Datenanalyse Vorlesung im Sommersemester 2002 H. Kolanoski Humboldt-Universität zu Berlin Inhaltsverzeichnis Literaturverzeichnis iii 1 Grundlagen der Statistik 3 1.1 Wahrscheinlichkeit..................................
MehrNeuronale Netze. Seminar aus Algorithmik Stefan Craß,
Neuronale Netze Seminar aus Algorithmik Stefan Craß, 325656 Inhalt Theoretisches Modell Grundlagen Lernansätze Hopfield-Netze Kohonen-Netze Zusammenfassung 2 Inhalt Theoretisches Modell Grundlagen Lernansätze
MehrBig Data Künstliche Intelligenz Und das Ich
Big Data Künstliche Intelligenz Und das Ich Überblick Big data 2 Beispiele David Kriesel: Spiegel Mining Cambridge Analytics: Ocean Diagramm Intelligenz Wie funktioniert das? Neuronale Netze Zukunktsperspektiven/Kaffeesatzleserei
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Aufgaben der letzten Stunde Übersicht Neuronale Netze Motivation Perzeptron Multilayer
MehrWas sind Neuronale Netze?
Neuronale Netze Universität zu Köln SS 2010 Seminar: Künstliche Intelligenz II Dozent: Stephan Schwiebert Referenten: Aida Moradi, Anne Fleischer Datum: 23. 06. 2010 Was sind Neuronale Netze? ein Netzwerk
MehrEin selbstmodellierendes System für die Wasserwirtschaft
Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme
MehrHannah Wester Juan Jose Gonzalez
Neuronale Netze Supervised Learning Proseminar Kognitive Robotik (SS12) Hannah Wester Juan Jose Gonzalez Kurze Einführung Warum braucht man Neuronale Netze und insbesondere Supervised Learning? Das Perzeptron
MehrKönnen neuronale Netze Vorhersagen treffen? Eine Anwendung aus der Stahlindustrie
Können neuronale Netze Vorhersagen treffen? Eine Anwendung aus der Stahlindustrie 1. Erzeugung von Stahl im Lichtbogenofen 2. Biologische neuronale Netze 3. Künstliche neuronale Netze 4. Anwendung neuronaler
MehrNeuronale Netze. Anna Wallner. 15. Mai 2007
5. Mai 2007 Inhalt : Motivation Grundlagen Beispiel: XOR Netze mit einer verdeckten Schicht Anpassung des Netzes mit Backpropagation Probleme Beispiel: Klassifikation handgeschriebener Ziffern Rekurrente
MehrTechnische Universität. Fakultät für Informatik
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik VI Neuronale Netze - Supervised Learning Proseminar Kognitive Robotik (SS12) Hannah Wester Betreuer: Dr. Florian
MehrSoftcomputing Biologische Prinzipien in der Informatik. Neuronale Netze. Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003
Softcomputing Biologische Prinzipien in der Informatik Neuronale Netze Dipl. Math. Maria Oelinger Dipl. Inform. Gabriele Vierhuff IF TIF 08 2003 Überblick Motivation Biologische Grundlagen und ihre Umsetzung
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrMachine Learning - Maschinen besser als das menschliche Gehirn?
Machine Learning - Maschinen besser als das menschliche Gehirn? Seminar Big Data Science Tobias Stähle 23. Mai 2014 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der
Mehr1. Neuronale Netzwerke 2. Lernen in neuronalen Netzen 3. Überblick und Klassifizierung von Modellen 4. Eigenschaften von neuronalen Netzen 5.
Stephan Ruttloff 1. Neuronale Netzwerke 2. Lernen in neuronalen Netzen 3. Überblick und Klassifizierung von Modellen 4. Eigenschaften von neuronalen Netzen 5. Verwendungsweise 6. Quellen Was sind neuronale
MehrSoftware. Die Erste. C o m p u t e r G r u n d w i s s e n Te i l I I. S o f t w a r e. H a r d w a r e. C D / D V D B r e n n e n.
C o m p u t e r G r u n d w i s s e n Te i l I I H a r d w a r e C D / D V D B r e n n e n S o f t w a r e I n t e r n e t Software Die Erste S y s t e m p f l e g e Te x t v e r a r b e i t u n g V i
MehrNeuronale Kodierung sensorischer Reize. Computational Neuroscience Jutta Kretzberg
Neuronale Kodierung sensorischer Reize Computational Neuroscience 30.10.2006 Jutta Kretzberg (Vorläufiges) Vorlesungsprogramm 23.10.06!! Motivation 30.10.06!! Neuronale Kodierung sensorischer Reize 06.11.06!!
Mehr(künstliche) Neuronale Netze. (c) Till Hänisch 2003,2015, DHBW Heidenheim
(künstliche) Neuronale Netze (c) Till Hänisch 2003,2015, DHBW Heidenheim Literatur zusätzlich zum Lit. Verz. Michael Negnevitsky, Artificial Intelligence, Addison Wesley 2002 Aufbau des Gehirns Säugetiergehirn,
MehrEinführung in Neuronale Netze
Einführung in Neuronale Netze Thomas Ruland Contents 1 Das menschliche Gehirn - Höchstleistungen im täglichen Leben 2 2 Die Hardware 2 2.1 Das Neuron 2 2.2 Nachahmung in der Computertechnik: Das künstliche
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn Adrian Neumann 16. Januar 2014 Übersicht Biologische Inspiration Stand der Kunst in Objekterkennung auf Bildern Künstliche Neuronale
MehrUniversität Klagenfurt
Universität Klagenfurt Neuronale Netze Carmen Hafner Elisabeth Stefan Raphael Wigoutschnigg Seminar in Intelligent Management Models in Transportation und Logistics 623.900, WS 05 Univ.-Prof. Dr.-Ing.
MehrEinführung in Neuronale Netze
Wintersemester 2005/2006 VO 181.138 Einführung in die Artificial Intelligence Einführung in Neuronale Netze Oliver Frölich Abteilung für Datenbanken und Artificial Intelligence Institut für Informationssysteme
MehrKapitel LF: IV. IV. Neuronale Netze
Kapitel LF: IV IV. Neuronale Netze Perzeptron-Lernalgorithmus Gradientenabstiegmethode Multilayer-Perzeptrons und ackpropagation Self-Organizing Feature Maps Neuronales Gas LF: IV-39 Machine Learning c
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Neuronale Netze Motivation Perzeptron Übersicht Multilayer Neural Networks Grundlagen
MehrPerzeptronen. Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg
Perzeptronen Lehrstuhl für Künstliche Intelligenz Institut für Informatik Friedrich-Alexander-Universität Erlangen-Nürnberg (Lehrstuhl Informatik 8) Perzeptronen 1 / 22 Gliederung 1 Schwellwert-Logik (MCCULLOCH-PITTS-Neuron)
MehrMathematica kompakt. Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß. Oldenbourg Verlag München
Mathematica kompakt Einführung-Funktionsumfang-Praxisbeispiele von Dipl.-Math.Christian H.Weiß Oldenbourg Verlag München Inhaltsverzeichnis Vorwort Tabellenverzeichnis VII XVII 1 Einleitung 1 1 Grundlagen
MehrKünstliche neuronale Netze
Künstliche neuronale Netze Sebastian Morr 4. Juni 2008 Worum geht es? Die Natur hat uns 3,7 Milliarden Jahre Forschungszeit voraus. Toby Simpson Vorbild: Strukturen des Gehirns Ziel: Lernfähige Künstliche
MehrKennen, können, beherrschen lernen was gebraucht wird
Mit Tastenkombinationen im Text bewegen So gelangen Sie zum Textanfang / Textende Absatzweise nach oben / unten Bildschirmseite nach oben / unten zum Anfang der vorherigen / nächsten Seite S p S Y / S
MehrKonnektionismus für Linguisten
Konnektionismus für Linguisten Unter Informatikern, Psychologen, Philosophen und Kognitionsforschern steht der Begriff Konnektionismus für eine zunehmend populäre neue Forschungsrichtung, die versucht
MehrNach dem Starten von Excel sieht der Bildschirm in der Regel wie folgt aus:
Die Elemente des Excel-Arbeitsbereiches Titelleiste Menüleiste Symbol- und Formatierungsleiste Bearbeitungsleiste Statuszeile Nach dem Starten von Excel sieht der Bildschirm in der Regel wie folgt aus:
MehrZur Konstruktion künstlicher Gehirne
Ulrich Ramacher Christoph von der Malsburg (Hrsg.) Zur Konstruktion künstlicher Gehirne 4y Springer Inhaltsverzeichnis Vorwort 1 0.1 Hauptergebnisse 2 0.2 Vorgeschichte 6 0.3 Danksagung 8 Problematik der
MehrImplementationsaspekte
Implementationsaspekte Überlegungen zur Programmierung Neuronaler Netzwerke Implementationsprinzipien Trennung der Aspekte: Datenhaltung numerische Eigenschaften der Objekte Funktionalität Methoden der
Mehr6. Allgemeine Bedienung Programme Anzeigen
6.3.1 Programme Anzeigen Zum Aufrufen der Programmliste drücken Sie die OK -Taste oder die blaue A-Z - Taste, wenn Sie eine alphabetisch sortierte Liste der Kanäle sehen wollen. Drücken Sie die Tasten,um
MehrRÖK Typo3 Dokumentation
2012 RÖK Typo3 Dokumentation Redakteur Sparten Eine Hilfe für den Einstieg in Typo3. Innpuls Werbeagentur GmbH 01.01.2012 2 RÖK Typo3 Dokumentation Inhalt 1) Was ist Typo3... 3 2) Typo3 aufrufen und Anmelden...
MehrSchach, Adventure Diagramm, Grafik und Bildbearbeitung Mathematisches Programm und Tabellenkalkulation. Rechner und Monitor einschalten
Mit einem Computer kann man... schreiben spielen zeichnen rechnen sammeln und finden kommunizieren regeln und steuern Textverarbeitung Schach, Adventure Diagramm, Grafik und Bildbearbeitung Mathematisches
MehrModellbildung und Simulation
Modellbildung und Simulation 6. Vorlesung Wintersemester 2007/2008 Klaus Kasper Value at Risk (VaR) Gaußdichte Gaußdichte der Normalverteilung: f ( x) = 1 2π σ x e 2 2 x ( x µ ) / 2σ x Gaußdichte der Standardnormalverteilung:
MehrInhaltsverzeichnis... 1. Dokumentverwaltung... 2. Organisation von Dokumenten... 2. Ordner erstellen... 2. Dokumente im Dateisystem behandeln...
Inhaltsverzeichnis Inhaltsverzeichnis... 1 Dokumentverwaltung... 2 Organisation von Dokumenten... 2 Die Dialogfenster ÖFFNEN und SPEICHERN UNTER... 2 Ordner erstellen... 2 Dokumente im Dateisystem behandeln...
MehrHopfield Netze. Neuronale Netze WS 2016/17
Hopfield Netze Neuronale Netze WS 2016/17 Rekursive Netze Definition: Ein rekursives Netz enthält mindestens eine Feedback-Schleife Gegensatz: Feedforward-Netze Beispiel: Hopfield-Netze, Boltzmann-Maschinen
Mehr(künstliche) Neuronale Netze. (c) Till Hänisch 2003, BA Heidenheim
(künstliche) Neuronale Netze (c) Till Hänisch 2003, BA Heidenheim Literatur zusätzlich zum Lit. Verz. Michael Negnevitsky, Artificial Intelligence, Addison Wesley 2002 Warum? Manche Probleme (z.b. Klassifikation)
MehrUmgang mit Windows- Betriebssystemen BASISWISSEN
Umgang mit Windows- Betriebssystemen BASISWISSEN Der (Betriebs-) Systemstart Einschalten Computer Einlesen der Systemdateien in den Arbeitsspeicher von - je nach Einstellung und Vorhandensein - Diskette,
MehrCPS PULSE. Erste Schritte. Für WINDOWS und MAC
CPS PULSE Erste Schritte Für WINDOWS und MAC ÜBERSICHT EINFÜHRUNG 3 SCHRITT 1 : EINE FRAGE BEARBEITEN 4-16 SCHRITT 2 : DATENBANK ERSTELLEN 17-18 SCHRITT 3 : VERBINDEN DES FUNKEMPFÄNGERS 19-20 SCHRITT 4
MehrKennen, können, beherrschen lernen was gebraucht wird
Inhaltsverzeichnis Inhaltsverzeichnis... 1 Inhaltsverzeichnisse... 2 Ein Inhaltsverzeichnis erstellen... 2 Ein individuell erzeugtes Inhaltsverzeichnis erzeugen... 2 Ein Inhaltsverzeichnis mit manuell
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Übersicht Neuronale Netze Motivation Perzeptron Grundlagen für praktische Übungen
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014 Übersicht Stand der Kunst im Bilderverstehen: Klassifizieren und Suchen Was ist ein Bild in Rohform? Biologische
MehrKapitel LF: IV. Multilayer-Perzeptrons und Backpropagation. Multilayer-Perzeptrons und Backpropagation. LF: IV Machine Learning c STEIN 2005-06
Kapitel LF: IV IV. Neuronale Netze Perzeptron-Lernalgorithmus Gradientenabstiegmethode Multilayer-Perzeptrons und ackpropagation Self-Organizing Feature Maps Neuronales Gas 39 Multilayer-Perzeptrons und
MehrNeuroinformatik I. Günther Palm Friedhelm Schwenker Abteilung Neuroinformatik
Neuroinformatik I Günther Palm Friedhelm Schwenker Abteilung Neuroinformatik Vorlesung: Do 10-12 Uhr Raum H21 / Übung: Fr 12-14 Raum 121 und 122 Übungsaufgaben sind schriftlich zu bearbeiten (Schein bei
MehrNeuronale Netze, Fuzzy Control, Genetische Algorithmen. Prof. Jürgen Sauer. 5. Aufgabenblatt: Neural Network Toolbox 1
Neuronale Netze, Fuzzy Control, Genetische Algorithmen Prof. Jürgen Sauer 5. Aufgabenblatt: Neural Network Toolbox 1 A. Mit Hilfe der GUI vom Neural Network erstelle die in den folgenden Aufgaben geforderten
Mehr5. Lernregeln für neuronale Netze
5. Lernregeln für neuronale Netze 1. Allgemeine Lokale Lernregeln 2. Lernregeln aus Zielfunktionen: Optimierung durch Gradientenverfahren 3. Beispiel: Überwachtes Lernen im Einschicht-Netz Schwenker NI1
Mehr3 Hilfefunktionen PROJEKT. Windows XP Professional Edition. Hilfefunktion starten. Das elektronische Handbuch. Das Stichwortregister der Windows-Hilfe
PROJEKT 3 Hilfefunktionen Windows XP Professional Edition Windows XP Professional Edition ISBN 3-8272-6244-5 Sicherlich haben Sie die Begleitbücher zur installierten Software, die Ihnen die Arbeit mit
MehrInformatik 1. für Studiengänge Nachrichten-/Multimediatechnik und Mechatroniksysteme/Fahrzeugmechatronik. Wintersemester 2014/15
Informatik 1 für Studiengänge Nachrichten-/Multimediatechnik und Mechatroniksysteme/Fahrzeugmechatronik Wintersemester 2014/15 Prof. Dr.-Ing. habil. Peter Sobe Fakultät Informatik / Mathematik Informatik-Ausbildung
MehrInstallation des edu- sharing Plug- Ins für Moodle
Installation des edu- sharing Plug- Ins für Moodle [edu-sharing Team] [Dieses Dokument beschreibt die Installation und Konfiguration des edu-sharing Plug-Ins für das LMS Moodle.] edu- sharing / metaventis
MehrFERNHEIZWERKE Software zur Sammlung der Betriebsdaten
FERNHEIZWERKE Software zur Sammlung der Betriebsdaten Über dieses Programm können die Betriebsdaten einer Anlage eingegeben werden und dann automatisch via E-Mail ans Amt für Energieeinsparung an die Email
MehrAufbau einer Tabelle. Tabellenaufbau
Aufbau einer Tabelle Tabellenaufbau Tabellenspalten: Kennzeichnung durch Buchstaben Tabellenzeilen: Kennzeichnung durch Zahlen Lokalisierung einer Zelle: Spalten und Zeile beispielsweise C10 Aktive Zelle:
MehrWord Basiswissen
Word 2013 Basiswissen Verlag: BILDNER Verlag GmbH Bahnhofstraße 8 94032 Passau http://www.bildner-verlag.de info@bildner-verlag.de Tel.: +49 851-6700 Fax: +49 851-6624 ISBN: 978-3-8328-0057-4 Autorin:
MehrTrainingsmanagement Gutschein Management. Beschreibung
Trainingsmanagement Beschreibung www.dastm.de info@dastm.de 1. Einführung... 2 2. Gutschein Funktionen... 3 2.1. Gutschein Menü... 3 2.2. Gutscheine anlegen... 4 Gutschein Kassenwirksam erfassen... 6 Gutschein
MehrErstellen einer Powerpointpräsentation. Schultz Informatik / Programmierung HH2 1
Erstellen einer Powerpointpräsentation Schultz Informatik / Programmierung HH2 1 Bestandteile einer Präsentation Masterfolie Handzettelmaster Die einzelnen Folien Benutzerdefinierte Animationen Sprachinformationen
MehrDS Teach-Programm Bedienungsanleitung. DST Version 2000/06 DS Keyboard Technic GmbH
DS Teach-Programm Bedienungsanleitung DST Version 2000/06 DS Keyboard Technic GmbH 1 Programm Mit dem DST-Programm können Sie die freiprogrammierbaren Tastaturen W30/60/90 von DS Keyboard Technic einfach
Mehr4. Mit Fenstern arbeiten
4. Mit Fenstern arbeiten In dieser Lektion lernen Sie... wie Sie Fenster wieder schließen das Aussehen der Fenster steuern mit mehreren Fenstern gleichzeitig arbeiten Elemente von Dialogfenstern Was Sie
MehrVom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung
Vom Chip zum Gehirn Elektronische Systeme zur Informationsverarbeitung Johannes Schemmel Forschungsgruppe Electronic Vision(s) Lehrstuhl Prof. K. Meier Ruprecht-Karls-Universität Heidelberg Mitarbeiter:
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung 01a: Einführung und Motivation Prof. Dr. Gudrun Socher Dozentin Dozentin Prof. Dr. Gudrun Socher (gudrun.socher@hm.edu) Sprechstunde Donnerstag 9:15-10:00 Uhr Anmeldung per E-Mail
Mehr4. Installation und Betrieb
4.4 Anzeige der Menüs Vom Hauptmenü ( MAIN MENU ) aus können Sie die TV- und Radioprogramme verwalten und hinzufügen, die Antennenkonfiguration und die Systemeinstellungen ändern und die Benutzereinstellungen
MehrBayerisches Landesamt für Umwelt
Bayerisches Landesamt für Umwelt 18. August 2011 Inbetriebnahme von SEBAM qualitativ (Version 2.0) 1. Einrichten der Testversion von SEBAM qualitativ an Ihrem PC Falls Sie einen Internetanschluss besitzen,
MehrÜberreicht von IT-Schulungen Volkard Schwarz www.it-schulungen.info
en für Windows WIN + E WIN + D WIN + M F2 STRG beim Ziehen eines Elements STRG + A F3 ALT + F4 ALT+TAB ALT+ESC F5 Windows Explorer öffnen Desktop anzeigen Alle Programme / Fenster minimieren Gewähltes
MehrComputational Intelligence I Künstliche Neuronale Netze
Computational Intelligence I Künstliche Neuronale Nete Universität Dortmund, Informatik I Otto-Hahn-Str. 6, 44227 Dortmund lars.hildebrand@uni-dortmund.de Inhalt der Vorlesung 0. Organisatorisches & Vorbemerkungen.
MehrRÖK Typo3 Dokumentation
2016 RÖK Typo3 Dokumentation Redakteur Sparten Eine Hilfe für den Einstieg in Typo3. Innpuls Werbeagentur GmbH 01.01.2016 2 RÖK Typo3 Dokumentation 1) Was ist Typo3?... 3 2) Typo3 aufrufen und Anmelden...
MehrPräsentationen vorführen
13 Präsentationen vorführen In diesem Kapitel: Bildschirmpräsentationen starten und beenden Durch die Folien navigieren Mit Stift und Anmerkungen arbeiten Die Folien sind erstellt, die Präsentation eingerichtet,
MehrMicrosoft 2010 Express/Beispiel für Grafische Oberflächen
I Vorbereitung wie Konsolanwendung Rechner hochfahren - Visual C++ 2010 Express aufrufen Datei/neu/Projekt im Menue wählen II Projekt und Projektmappe anlegen Vorlage CLR markieren Projekttyp Windows Forms-Anwendung
MehrIhr Benutzerhandbuch SAMSUNG SGH-V200 http://de.yourpdfguides.com/dref/459178
Lesen Sie die Empfehlungen in der Anleitung, dem technischen Handbuch oder der Installationsanleitung für SAMSUNG SGH- V200. Hier finden Sie die Antworten auf alle Ihre Fragen über die in der Bedienungsanleitung
MehrLÖSUNGEN AUFGABEN: EXCEL XP (OHNE DATEIEN)
LÖSUNGEN AUFGABEN: EXCEL XP (OHNE DATEIEN) Übung (1) Elemente des Excelfensters Ordnen Sie die Begriffe richtig zu: [1] Titelleiste (Programmleiste) [9] waagrechte/horizontale Bildlaufleiste [2] Menüleiste
MehrDatei.. Sie können aber nur mit dem kostenlos erhältlichen Adobe Reader
Eine kleine Anleitung für die neuen Formulare ( dynamische Formulare ) Was ist das Dynamische an den neuen Formularen? Nun, sie haben wesentlich mehr an Funktionalität wie die bisherigen ( statischen )
MehrKurzbefehle. Mike McBride Jost Schenck Übersetzung: Jürgen Nagel
Mike McBride Jost Schenck Übersetzung: Jürgen Nagel 2 Inhaltsverzeichnis 1 Kurzbefehle 4 1.1 Einführung.......................................... 4 1.2 Standard-Kurzbefehle und Globale Kurzbefehle....................
Mehr1 Die Arbeitsumgebung Programmoberfläche Menüband Symbolleiste für den Schnellzugriff...20
Inhalt 1 Die Arbeitsumgebung...15 1.1 Programmoberfläche...16 1.2 Menüband...17 1.3 Symbolleiste für den Schnellzugriff...20 1.4 Weitere Möglichkeiten der Befehlseingabe...21 Kontextmenü... 21 Tasten und
MehrComputer AG: Inhalte Die Computeranlage 2. Die Tastatur 3. Dateien und Ordner organisieren 4. Namensschild erstellen- Formatieren will gelernt sein
Computer AG: Inhalte Die Computeranlage Cluster: Rund um den Computer Information: Der Computer Handbuch Seite 1: Die Teile einer Computeranlage AB Die Teile einer Computeranlage AB Computerrätsel Diff:
MehrGefahrstoff- und Chemikalien-Etiketten Hilfe
Gefahrstoff- und Chemikalien-Etiketten Hilfe Inhaltsverzeichnis: Haftungsausschluss Was ist zu beachten beim Benutzen des Programmes Was kann mit dem Programm gemacht werden Fragen zum Programm Umgang
Mehr