Roman Nestler, Fachpreis in Geographie 2020
Man sollte sich frühzeitig überlegen, für welches Fach, welchen Bereich und welches Thema wirkliches Interesse besteht. Wenn man für eine „Sache brennt“, kann die Arbeit dann nur gut werden.
Man sollte sich frühzeitig überlegen, für welches Fach, welchen Bereich und welches Thema wirkliches Interesse besteht. Wenn man für eine „Sache brennt“, kann die Arbeit dann nur gut werden.
Der Bereich MINT interessiert mich, aufgrund meiner naturwissenschaftlich-/mathematischen Neigungen. In der aktuellen Corona – Krise wird deutlich, welche Rolle Impfstoffe und Arzneimittel spielen, was wiederum die Bedeutung der Naturwissenschaften unterstreicht. Nur die Naturwissenschaften können uns Wege aus der Krise aufzeigen.
Das Netzwerk MINT TANK ermöglicht den Sieger*innen bei regelmäßigen Veranstaltungen eine mathematisch-naturwissenschaftliche Horizonterweiterung und vor allem auch den Austausch mit anderen MINT-begeisterten jungen Menschen. Für mich persönlich hat dies sogar noch einen größeren Wert als das Preisgeld.
Künstliche neuronale Netzwerke sind eine mathematische Nachbildung der menschlichen beziehungsweise tierischen Reizverarbeitung im Nervensystem. Sie sind selbstlernende Algorithmen und dadurch ein Zweig der künstlichen Intelligenz, ein Teilbereich der Informatik. Sie haben eine Vielzahl von Anwendungsgebieten. Diese reichen von der Gesichtserkennung bis zur Fahrzeugsteuerung.
Die vorliegende Arbeit gibt einen Einblick in den Aufbau und die Funktionsweise von künstlichen neuronalen Netzen. Anfangs wird der Algorithmus theoretisch beleuchtet, das künstliche neuronale Netzwerk wird aus dem biologischen Vorbild modelliert und mathematisch, in Bezug auf Aufbau und Verwendung, betrachtet. Danach wird ein vielverwendetes Lernverfahren, das Gradientenabstiegsverfahren, hergeleitet. In einem weiteren Teil dieser Arbeit wird das künstliche neuronale Netz von der praktischen Seite beschrieben, indem es in ein Computersystem implementiert wird. Das Programm lernt erfolgreich, handgeschriebene Ziffern selbstständig zu klassifizieren. Abschließend werden gesellschaftliche und ethische Probleme, welche mit der Verwendung künstlicher neuronaler Netze einher gehen, untersucht.
Download (PDF)2020, Physik,
2. Platz,
Annika
Schkoda, Universität Augsburg
2018, Mathematik,
2. Platz,
Robin
Wilkens, Carl von Ossietzky Universität Oldenburg
2016, Informatik,
2. Platz,
Rafael
Vrecar, Universität Wien