|
Die Software SINN 2 wurde als Prototyp im Rahmen des Projekts ,,Systementwicklung'' an der Fachhochschule Darmstadt am Fachbereich Informatik im Sommersemester 2001 entwickelt.
SINN 2 wiederum entstand als Nachfolger einer Diplomarbeit von Lars Wachtel und Ralf Wupper [WW92], aus welcher das System ,,Simulator für neuronale Netze'' (kurz SINN) hervorging. SINN ist ein System zur Simulation rückgekoppelter künstlicher neuronaler Netze. Es basiert auf dem Betriebsystem DOS und besitzt eine grafische Oberfläche, die es erlaubt Netzzustände, Gewichte und Systemaktivitäten darzustellen.
Eine direkte Weiterentwicklung von SINN fand zwar mit der Projektarbeit SINN 2 nicht statt, da das Betriebsystem DOS heute nur noch bedingt in einsatzfähiger Form existiert aber vor allem weil SINN in der Programmiersprache C implementiert wurde. C entspricht nicht mehr den aktuellen Kenntnissen und Methoden der modernen Programmierung, da es keinerlei objektorientierte Ansätze verfolgt. Ausserdem sind für die Programmiersprache C nur bedingt grafische Module vorhanden, welche den heutigen funktionalen Ansprüchen an eine grafische Benutzerschnittstelle gerecht werden. Anders gesagt eine Weiterentwicklung war nur mit einer Portierung von SINN auf eine objektorientierte Programmiersprache wie C++ oder Java sinnvoll.
Das Projektteam, welches SINN 2 entwickelte, entschied sich dafür das neue System in Java zu codieren. Einer der Gründe für diese Entscheidung war nicht zuletzt, dass mit Java eine Programmiersprache zur Verfügung gestellt wird, welche plattformübergreifend einsetzbar eine einheitliche grafische Oberfläche bietet.
Das Ziel von SINN 2.1 war es ein Softwaresystem bereitzustellen, welches in der Lage ist, die grundlegenden Eigenschaften von künstlichen neuronalen Netzen zu simulieren und darzustellen. Hierbei sollte weniger das Lösen von Problemen mit künstlichen neuronalen Netzen im Vordergrund stehen, sondern vielmehr das Aufzeigen der Eigenschaften verschiedener Netztypen und das Darstellen vorhandener Lösungsansätze klassischer Probleme. So zum Beispiel der Lösungsansatz des ,,Traveling Salesman Problems'' (TSP) nach einem Modell von J.J. Hopfield und D.W. Tank [HT85] oder nach dem Kohonen-Algorithmus. Andere wichtige Beispiele sind die Bilderkennung, die Klassifizierung von Mustern oder die Darstellung der Verteilung von selbstorganisierenden Karten.
SINN 2.1 sollte in der Vorlesung ,,Neuronale Netze'' an der Fachhochschule Darmstadt unterstüzend eingesetzt werden können und so helfen den vermittelten Stoff, durch Visualisierung der Netzeigenschaften und durch das Aufzeigen möglicher praktischer Anwendungen künstlicher neuronaler Netze, einprägsamer darzustellen.
|