Modelle von ANNs

In den letzten fünfzig Jahren wurden viele verschiedene Modelle von künstlichen neuronalen Netzwerken entwickelt. Eine Einteilung der unterschiedlichen Modelle wäre eher künstlich. Dennoch kann es von Vorteil sein, auf die Datentypen, die durch die einzelnen Netzwerke verarbeitet werden können, und auf die Art der eingesetzten Trainingsmethoden einen Blick zu werfen. Grundsätzlich kann man zwischen Netzwerken, die nur binäre Daten verarbeiten, und Netzwerken für analoge Daten unterscheiden. Auch zwischen überwachten und nicht überwachten Trainingsmethoden lässt sich eine Unterscheidung vornehmen.

Überwachte Trainingsmethoden verwenden die Output-Werte eines Trainingsdatensatzes, um einen Zusammenhang zwischen Input und Output eines ANN-Modells herzustellen. Nicht überwachte Methoden versuchen von sich aus, eine Struktur in den Daten zu finden. Überwachte Methoden werden daher meist zur Funktionsapproximation und Klassifikation eingesetzt, nicht überwachte hingegen eignen sich für Clusteraufgaben. Die nachfolgende Tabelle zeigt einige Beispiele für jede Netzart: