Diskussion:McCulloch-Pitts-Zelle

"Jedes einzelne Neuron kann als Ausgabe nur eine 1 oder 0 erzeugen." "Jede McCulloch-Pitts-Zelle besitzt eine beliebige reelle Zahl als Schwellenwert."

Wozu braucht man eine reelle Zahl als Schwellwert, wenn die Eingänge eh nur ganze Zahlen sein können?

Es kann nicht sein, weil z.B. das Verhalten einer Zelle bei 4 erregenden 1en und einem Schwellwert von 4 undefiniert wäre, denn das Ergebnis muss ja nur "größer oder gleich" dem Schwellwert sein.

Hat jemand eine Idee?

was anderes.. kann es sein, dass das Bild falsch ist? müsste bei dem nicht-gatter kein Y-Eingang stehen? immerhin sollte sonst wenn der schwellwert 0 ist und nur ein positiver eingang, aber kein negativer eingang anliegt immer nur 1 rauskommen. Zumindest bilde ich mir das grade ein, nachdem ich mir die Erklärungen durchgelesen habe.

exe?!

Zuerst mal: Die oben angemeldeten Bedenken kann ich nicht teilen, undefiniertes Verhalten ist ausgeschlossen. Eine Einschränkung auf Natürliche Zahlen (incl 0) wäre aber (wegen der binären inputs) denkbar. Die Exe-Datei ist aber jedenfalls sinnlos. Ich kann mir nicht vorstellen, dass irgendjemand auf einem win-rechner einfach von hier eine exe ausführt!

Fehler im Bild

Meiner Meinung nach ist das Bild mit And-Or-Not wirklich falsch. Beim 'Not' Bild müsste entweder der Schwellenwert auf 1 gesetzt werden, da die Zelle sonst immer feuert ( es gibt nur 0 und 1 als eingabe.. somit ist die Eingabe immer >= 0, somit feuert die Zelle immer). Oder der Schwellenwert bleibt auf 0 und die negierte x1 Leitung wird durch eine normal y1 Leitung ausgetauscht ( wenn diese dann 1 ist blockiert die Zelle und gibt eine 0 aus, wenn diese 0 ist wird eine 1 ausgegeben, da die Eingabe 0 ist und 0 >= 0 ist). (nicht signierter Beitrag von 85.183.154.218 (Diskussion | Beiträge) 17:00, 5. Sep. 2009 (CEST))

Ich habe den Fehler in der SVG-Version des Bildes korrigiert. Viele Grüße, --Adrian Lange ☎ 10:01, 20. Jan. 2011 (CET)

Einfachstes Modell eines neuronalen Netzes?

Ist das McCulloch-Pitts-Zelle Modell wirklich das einfachste Modell eines neuronalen Netzes? Wenn ich darüber nachdenke, stelle ich mir die Frage: Wäre es nicht viel einfacher zwei Neuronen zu haben, die je nach einem 1 oder 0 Input entscheiden ob 1 oder 0 auszugeben, dann merken dass sie falsch liegen und dann immer den selben Wert ausgeben?