Als neuronales Netz wird in den Neurowissenschaften eine beliebige Anzahl miteinander verbundener Neuronen bezeichnet, die als Teil eines Nervensystems einen Zusammenhang bilden, der einer bestimmten Funktion dienen soll. Abstrahiert werden in Computational Neuroscience auch vereinfachte Modelle einer biologischen Vernetzung darunter verstanden. In der Informatik, Informationstechnik und Robotik werden deren Strukturen als künstliches neuronales Netz nachgebildet, simuliert und abgewandelt. Weitere Informationen siehe Link https://de.wikipedia.org/wiki/Neuronales_Netz
Beispiele hierfür sind skalierbare digitale Plattformen, um die gesamte Wertschöpfungskette von Lieferanten zu Kunden zu verbinden, und Prognosemodelle für maschinelles Lernen, die über das gesamte Produktionsnetzwerk skaliert sind
In einem neuen Bericht werden Einblicke in die Förderung von Innovation, digitaler Transformation und Skalierung sowie in die Unterstützung von Nachhaltigkeits- und Weiterbildungsbemühungen gegeben
Lesen Sie hier den vollständigen Bericht (PDF in Englisch).
Ein Werkzeug zur Berechnung komplexer Neuronenmodelle
Oren Amsalem, Neurobiologist at the HUJI
Wissenschaftler der Hebräischen Universität Jerusalem und des EPFL Blue Brain Project haben «Neuron_Reduce» entwickelt, ein neues Berechnungswerkzeug, mit dem die Wissenschaft komplexe Neuronenmodelle jedes Zelltyps auf einfache Weise vereinfachen und gleichzeitig die Input-Output-Eigenschaften erhalten kann. Gleichzeitig wird die Laufzeit der Simulation deutlich reduziert.
Detaillierte Neuronenmodelle, die aus Tausenden von Synapsen bestehen, sind der Schlüssel zum Verständnis der rechnerischen Eigenschaften einzelner Neuronen und großer neuronaler Netzwerke sowie zur Interpretation experimenteller Ergebnisse. Simulationen dieser Modelle sind jedoch rechenintensiv (unter Verwendung vieler Rechenstunden), was ihre Nützlichkeit erheblich verringert. Zum ersten Mal haben Wissenschaftler der Hebrew University of Jerusalem und des EPFL Blue Brain Project einen einzigartigen analytischen Ansatz für die Herausforderung formuliert, die Komplexität von Neuronenmodellen zu reduzieren und dabei ihre wichtigsten Eingabe- / Ausgabefunktionen und ihre Rechenfähigkeiten beizubehalten.
Die Elektromobilität ist im Trend. Die Technologie entwickelt sich langsam vom Nischenmarkt zum Massenmarkt und ist dennoch mit grossen Vorbehalten konfrontiert. Der TCS hat zusammen mit dem Umfrageinstitut gfs.bern eine repräsentative Umfrage zur Elektromobilität lanciert. Der TCS-Barometer zur E-Mobilität gibt nun erstmals Antworten zur Haltung der Schweizer Bevölkerung gegenüber der Elektromobilität und zeigt Ängste und Erwartungen auf.
Herbert Bruderer ist ETH-Dozent i.R. und Preisträger zahlreicher Informatik-Bücher
Herbert Bruderer ist Dozent i.R. am Departement für Informatik der Eidgenössischen Technischen Hochschule (ETH) Zürich und Technikhistoriker. Er hat zahlreiche Bücher zur Informatik verfasst und ist mehrfacher Preisträger.
Das preisgekrönte Werk «Meilensteine der Rechentechnik» liegt in der zweiten, völlig neu bearbeiteten und stark erweiterten Auflage vor. Die beiden Bände, die rund 1600 Seiten umfassen, sind ein Gesamtwerk, lassen sich aber auch einzeln nutzen. Diese Schrift behandelt sowohl analoge wie digitale Geräte und geht auf benachbarte Bereiche wie Automatenbau (z.B. Figuren- und Musikautomaten) sowie wissenschaftliche Instrumente (z.B. Himmelskunde, Vermessungswesen, Uhrmacherkunst) ein. Gestreift werden zudem frühe Schreibmaschinen und programmgesteuerte mechanische Webstühle.
Deep Learning und auf künstliche Intelligenz (KI) spezialisierte Chips sind erst der Anfang
Steve Furber: «Students should leave here bursting with enthusiasm for the subject and with ideas that will transform the world over coming decades, with capabilities that are greatly in demand with prospective employers and PhD supervisors.»
Die zur Zeit erfolgreichsten tiefen, neuronalen Netze folgen den Prinzipien biologischer Nervensysteme. Deren Neuronen empfangen Signale über Synapsen, verrechnen sie und schicken das Resultat an andere Neuronen. Sie sind in Schichten aufgebaut und sie lernen, indem sie die Effizienz verändern, mit der die Synapsen Impulse übertragen. Neuronale Netze sind aber immer noch ganz einfache Abbilder dessen, was Neurowissenschaftler in Gehirnen beobachten. Denn Gehirne sind wesentlich stärker vernetzt und sie schicken Impulse zwischen ihren Schichten hin und her. Echte Neuronen sind zudem keine eindimensionalen Integrationseinheiten sondern räumlich ausgedehnte Nervenzellen mit Ästen voller Synapsen. Und sie arbeiten nicht digital und integrieren Informationen analog.
Das World Economic Forum 2018 fand vom 23. bis 26. Januar in Davos statt
Das jährliche Meeting des World Economic Forums (Annual Meeting) fand heuer zum 48. Mal von 23. bis 26. Januar 2018 in Davos-Klosters statt, Wie in den vorigen Jahren trafen Staatschefs, Regierungen und internationale Organisationen mit namhaften Business Leaders der Civil Society, Wissenschaftlern, Künstlern und Medienleuten zusammen. Der aufsehenerregendste Teilnehmer war wohl US-Präsident Donald Trump. Er hielt am Freitag, 26. Januar, die Abschlussrede. Den Platz der Eröffnungsrede hatten die Organisatoren zuvor bereits an Indiens Premierminister Narendra Modi vergeben. Aber diese Rede wurde dann für den Eröffnungstag vorgesehen.
Fraunhofer-Forscher können in unbekannte Black Boxes hineinschauen
Neuronale Netze werden immer häufiger für die Analyse komplexer Daten eingesetzt, zum Beispiel um in genetischen Informationspools gewisse Hinweise auf Krankheiten zu entdecken. Letztlich aber bleiben diese Netzwerke ein Geheimnis. Wissenschaftler der Fraunhofer Gesellschaft haben aber jetzt eine Software entwickelt, mit der sie in die Black Boxes hineinschauen und deren Arbeitsweise analysieren können. Auf der CeBIT in Hannover stellen die Forscher ihre Software vom 20. bis 24. März 2017 vor (Halle 6, Stand B 36). Früher war es mühsam, im Computer Fotos zu sortieren. Heute klickt man auf die Gesichtserkennung – und flugs erscheint eine Bildauswahl der Tochter oder des Sohnes. Computer sind inzwischen gut darin, große Datenmengen zu analysieren und nach bestimmten Strukturen wie einem Gesicht auf Bildern zu fahnden.
Das jährliche Meeting des World Economic Forums (