Künstliche neuronale Netze
Neuronale Netze sind informationsverarbeitende Systeme, die aus einer großen Anzahl einfacher Einheiten bestehen, den so genannten Neuronen. Diese sind durch gerichtete Verbindungen miteinander zu Netzwerken verknüpft. Bei den künstlichen neuronalen Netzen (KNN) handelt es sich um massiv parallele Systemen, deren wesentliches Element ihre Lernfähigkeit darstellt. Die Fähigkeit, Klassifikations- oder Regressionsprobleme selbständig aus Trainingsbeispielen zu lernen, ohne dass das Netz dazu explizit programmiert werden muss, machen KNNs universell einsetzbar. Diese Algorithmen sind in Form von Programmen, Netzwerksimulatoren oder auch in Form spezieller neuronaler Hardware in vielen Anwendungsgebieten einsetzbar. Trotz der Einfachheit ihrer Anwendung sind KNNs aufgrund ihrer nicht-linearen Struktur in der Lage, auch komplexe verborgene Strukturen zu erkennen und nachzubilden.
KNNs werden erfolgreich im Bereich der Qualitätssicherung eingesetzt. Da sie in der Lage sind komplexe Strukturen zu lernen und voneinander zu unterscheiden können sie auf Basis von gut/schlecht-Proben die Aufgaben erfahrener Qualitätssicherer unterstützen bzw. sogar vollständig übernehmen.