2 —dimensionale Neuronenschicht (Ausgabeschicht) 
35 
[O O O O O 6[0 O O Q| Eingabeschicht 
P 
Indikationszeitraum 
Prognosezeitraum 
Bestmatch —Neuron 
Nachbarschafts-Neuron 
Abb.3.2: Beispiel für eine selbstorganisierende Merkmalskarte (Kohonen-Netz) 
Methode. In ihr werden die Nichtlinearitäten über Polynome explizit eingeführt. Wird eine 
große Zahl von untereinander wechselwirkenden Systemzuständen gleichzeitig betrachtet, 
wächst bereits die Anzahl der Wechselwirkungen quadratischer Ordnung über ein noch 
handhabbares Maß hinaus. Um das Modell daher noch anwenden zu können, ist eine 
Begrenzung der Ordnung der Wechselwirkungen unerläßlich. In dem nichtlinearen multire 
gressiven Gesamtansatz (Kap.2.1.4, [2.1]) z.B. sind verschiedene Wechselwirkungsterme 
höherer Ordnung enthalten. Für die Windgeschwindigkeit z.B. werden Polynome dritter 
Ordnung verwendet, die mit Winkelfunktionen der Windrichtung gewichtet werden. Back- 
propagation-Netze dagegen begrenzen nicht die Ordnung, sondern nur die Gesamtzahl aller 
möglichen Wechselwirkungen, die über die Anzahl der versteckten Neuronen gesteuert 
werden kann [Gershenfeld et al. 93]. 
3.3.3. Lokalistisches und holistisches Denkschema 
Dieser Abschnitt ist etwas philosophischer Natur. Er wurde in der Absicht geschrieben, 
Meteorologen bzw. Ozeanographen die Prinzipien der neuronalen Netze auf verschiedene 
Weise etwas näherzubringen. 
Die Versuche, die Funktionsweise von Backpropagation-Netzen zu erklären, entspringen 
einem bestimmten Denkschema. Das Schema läßt sich mit analytisch und logisch bezeichnen. 
Es ist typisch für das Abendland und wurzelt letztendlich in der griechischen Kultur. Im 
Zusammenhang mit neuronalen Netzen sei ein Begriff gebraucht, der dieses Denkschema 
noch treffender beschreibt: lokalistisch. Dieser Begriff wurde von dem Begriff Lokalisations 
theorie abgeleitet. Von der Malsburg benutzt diesen Begriff als Abgrenzung zu seiner