Infomax

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Infomax ist ein Optimierungsprinzip künstlicher neuronaler Netze und anderer Informationsverarbeitungssysteme. Es besagt, dass eine Funktion, die eine Reihe von Eingangswerten I einer Reihe von Ausgangswerten O zuschreibt, so gewählt oder gelernt werden sollte, dass die durchschnittliche Transinformation nach Shannon zwischen I und O maximiert wird. Dies geschieht abhängig von vordefinierten Bedingungen und/oder vorhandenem Rauschen im Signal. Infomaxalgorithmen sind dabei Lernalgorithmen, die diesem Optimierungsprozess dienen.[1]

Infomax bezieht sich auf das Prinzip der Redundanzreduktion, das von Horace Barlow zur Beschreibung biologischer Reizverarbeitung im Jahr 1961 formuliert wurde.[2] Atick und Redlich wendeten es für die Berechnung von Verarbeitungsprozessen der Retina an.[3]

Eine der Hauptanwendungen von Infomax findet sich bei der Unabhängigkeitsanalyse (ICA), wobei unabhängige Signale durch Maximierung der Entropie gefunden werden.[4][5]

  • Bell AJ, Sejnowski TJ: The "Independent Components" of Natural Scenes are Edge Filters. In: Vision Res. 37. Jahrgang, Nr. 23, Dezember 1997, S. 3327–38, doi:10.1016/S0042-6989(97)00121-1, PMID 9425547, PMC 2882863 (freier Volltext) – (englisch, elsevier.com).
  • Linsker R: A local learning rule that enables information maximization for arbitrary input distributions. In: Neural Computation. 9. Jahrgang, Nr. 8, 1997, S. 1661–65, doi:10.1162/neco.1997.9.8.1661 (englisch).
  • Stone, James V., Dr.: Independent component analysis : a tutorial introduction. MIT Press, Cambridge, Mass. 2004, ISBN 0-262-69315-1 (englisch).

Einzelnachweise

[Bearbeiten | Quelltext bearbeiten]
  1. Linsker R: Self-organization in a perceptual network. In: IEEE Computer. 21. Jahrgang, Nr. 3, 1988, S. 105–17, doi:10.1109/2.36 (englisch, kovan.ceng.metu.edu.tr (Memento des Originals vom 5. Dezember 2014 im Internet Archive)).
  2. Barlow, H.: Sensory Communication. Hrsg.: Rosenblith, W. MIT Press, Cambridge MA 1961, Possible principles underlying the transformations of sensory messages, S. 217–234 (englisch).
  3. Atick JJ, Redlich AN: What does the retina know about natural scenes? In: Neural Computation. 4. Jahrgang, Nr. 2, 1992, S. 196–210, doi:10.1162/neco.1992.4.2.196 (englisch).
  4. Bell AJ, Sejnowski TJ: An information-maximization approach to blind separation and blind deconvolution. In: Neural Comput. 7. Jahrgang, Nr. 6, November 1995, S. 1129–59, doi:10.1162/neco.1995.7.6.1129, PMID 7584893 (englisch).
  5. Nadal J.P., Parga N.: Sensory coding: information maximization and redundancy reduction. In: Neural information processing, G. Burdet, P. Combe and O. Parodi Eds., World Scientific Series in Mathematical Biology and Medecine. 7. Jahrgang, 1999, S. 164–171 (englisch, ens.fr).