Georgios Koumanidis, Sylvia Langenbrinck, Christoph Kilian: Neuronale Netze in der Kunst
Wenn man an neuronale Netze denkt, dann mit hoher Wahrscheinlichkeit als erstes an biologische neuronale Netze, im besten Fall assoziiert man den Begriff der Wahrnehmung dazu. Wenn man als Wissenschaftler, oder insbesondere als Informatiker neuronale Netze betrachtet, dann denkt man wahrscheinlich als Erstes an Gemeinsamkeiten zwischen Neuron und Elektron, an Perzeptrons, Arten des Lernens, MLP, SOM’s, Hopfield Netze usw. oder auch an Robotik. Wenn man als Künstler an neuronale Netze denkt, dann bestimmt an Wahrnehmung, Rezeption, Interaktion, Zeichen, Körper, Kommunikation und vieles mehr. Im Folgenden sollen künstlerische Positionen vorgestellt werden, welche an die spanende Schnittstelle zwischen Wissenschaft und Kunst heranführen. Aus der Verknüpfung von Wissenschaft und Kunst mit Hilfe interaktiver bzw. hybrider Methoden werden neue Formen geboren.
Matthias Breuer: Neuronale Netze in Pure Data
Neuronale Netze können in Pure Data mit Hilfe der ANN-Library realisiert werden. Die Library enthält drei Objekte:
- ann_mlp: Ein Mehrlagiges Perceptronen Netzwerk
- ann_td: Ein Time Delay Netzwerk
- ann_som: Ein Implementation der Selbstorganisierenden Karten
Hier wird das Erstellen eines Neuronalen Netzes mit Hilfe des ann_mlp Objektes erklärt.
Laura Jozefini: Neuronale Netze in iqr
Die iqr-Software ist eine open-source Software (GNU Public Licence) zum kreieren und simulieren von Neuronalen Netzen im großen Stil.
Ihre Vorteile sind das graphische Interface, das sehr leicht zu bedienen ist und somit die Erstellung der Netzwerke erleichtert
und den Prozess übersichtlich hält. Die Software gibt einem die Möglichkeit einer graphischen on-line Kontrolle sowie die Gelegenheit,
Parameter während der laufenden Simulation zu verändern. Auch kann sich der Benutzer jeder Zeit eine on-line Visualisierung
und Analyse der eingegebenen Daten zeigen zu lassen.
Ein weiterer Vorzug des Programms ist die Gegebenheit, Roboter und auch Kameras an die Software anzuschließen und in die Netze einzubinden.
Natürlich gibt es jedoch auch Nachteile:
Zum einen ist die Darstellung der Modelle nicht allzu detailliert und auf das Nötigste beschränkt. Es kommt darauf an, dass man die Verbindungen zwischen den Neuronen erkennen kann, nicht darauf, sich über das Aussehen der Synapsen Gedanken zu machen . Zum anderen laufen in iqr die Simulationen zyklisch ab.
Im Großen und Ganzen liegt iqr irgendwo zwischen den high- und den low-level Simulatoren von Neuronalen Netzen. Durch die einfache, übersichtliche graphische Beschaffenheit kann man schnell komplexe Systeme aufbauen. Andererseits ist die Konstruktion auf biologisch realistische Modelle beschränkt. Das könnte man jedoch auch als Vorteil betrachten, da die Systeme so verständlicher sind.
iqr-Seite: [1] [2]
Projekte:
AMOTH: [3]
DAC: [4]
ADA: [5]
eXperience Induction Machine: [6]
CSIM Präsentation: [7]
Christian Fricke: Neuronale Netze in Processing
Processing ist eine Programmiersprache und Entwicklungsumgebung, die 2001 am Massachusetts Institute of Technology von den Erfindern Ben Fry und Casey Reas als quelloffenes Projekt ins Leben gerufen wurde. Die Sprache wurde speziell für die Bereiche Simulation und Animation entworfen und richtet sich daher vorwiegend an Personen aus der Gestaltung und Kunst.
Da man in Processing direkt in Java programmieren kann, sind einem bzgl. der Komplexität der Programme keine Grenzen gesetzt. Für die einfache Erstellung neuronaler Netze kann man zusätzliche Libraries verwenden, die man dem Sketchbook beifügt. Als Beispiel wird hier die nn-library von Daniel Shiffman verwendet.