Nichtlineare Neurodynamik zur Mustererkennung in analytischen Daten

• Antragsteller: Professor Dr. Matthias Otto
• Fachliche Zuordnung: Analytische Chemie
• Förderung: Förderung von 1999 bis 2002
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5220266

Zur Auswertung analytischer Daten sollen erstmalig dynamisch arbeitende neuronale Netze eingesetzt werden. Diese Netze basieren auf dem von W. J. Freeman entwickelten KIII-Modell eines nichtlinearen dynamischen Systems, das dem olfaktorischen System von Säugetieren nachgebildet ist. Das Netzwerk soll aus chaotischer Untergrundaktivität heraus Muster durch Ausbildung von Attraktoren erkennen. Typische analytische Muster können Spektren oder Signale von Sensorarrays sein. Im Projekt ist das komplexe dynamische System (KIII-Modell) in einem geeigneten Algorithmus zu implementieren und es sind Lernverfahren für die Anwendung der Netzwerke zur Mustererkennung und Klassifizierung zu entwickeln. Darauf aufbauend sind biologisch motivierte Mechanismen etwa zur Bewältigung von Umgebungsrauschen und zu lokaler Selbstorganisation einzubeziehen. Das Ziel ist die Verbesserung der Leistungsfähigkeit von Mustererkennungssystemen für analytisch-chemische Daten gegenüber den bisher verwendeten, statisch arbeitenden neuronalen Netzen sowie gegenüber nichtlinearen statistischen Methoden. Außerdem sollen die Grundlagen einer Echtzeitauswertung an Vielkanalsensoren, die natürlichen Sinnesorganen nachgebildet sind, geschaffen werden.

• DFG-Verfahren: Sachbeihilfen
• Internationaler Bezug: USA
• Beteiligte Person: Professor Dr. Walter J. Freeman (†)