Do it yourself: IoT-Sensor

Das menschliche Gehirn ist imstande, ohne explizite Anweisungen und rein aus Erfahrung zu lernen. Seit die Informatik als wissenschaftliche Disziplin existiert, ist es ein Ziel und ein Traum, diesen Prozess mit elektronischen Hilfsmitteln nachzuahmen und zu simulieren. Neuronale Netze fungieren dabei als beliebtes Werkzeug, da sie dem Vorbild des menschlichen Gehirns und dessen Neuronen (Nervenzellen) rein schematisch am ehesten entsprechen. 

Nachdem wir uns in den ersten beiden Teilen dieser Artikelserie mit den Grundlagen und der Theorie hinter neuronalen Netzen vertraut gemacht haben, versuchen wir uns zum Abschluss an einem konkreten Projekt. Anhand einer Windows-Phone-Anwendung wagen wir uns in die Domäne der optischen Zeichenerkennung vor und verwenden neuronale Netze, um eine einfache Handschrifterkennung zu implementieren.

In der letzten Ausgabe und dem ersten Teil dieser Artikelserie haben wir uns mit dem einfachen Perzeptron-Modell beschäftigt und damit eine einzelne künstliche Nervenzelle simuliert. Für praktische Anwendungen ist dieses Modell jedoch nur begrenzt tauglich, da künstliche Nervenzellen, gleich ihren natürlichen Vorbildern im Gehirn, nur durch das Zusammenspiel in einem großen Netzwerk ihre tatsächliche Stärke entfalten können. Wir führen daher unser Modell einen Schritt weiter und wenden uns mehrschichtigen neuronalen Netzen zu.

Bei aller Aufregung und dem Hype um Microsofts neue Compilerplattform „Roslyn“ sowie all die Neuerungen, die dadurch in die nächsten Versionen von Visual Studio und dem .NET Framework Einzug halten, übersieht man leicht die Änderungen, die aktuell unter der Haube des .NET Frameworks passieren. Was allerdings ziemlich schade ist, denn Neuerungen wie RyuJIT und vor allem .NET Native muten nahezu revolutionär an, führt man sich die Tradition von .NET als Managed-Code-Plattform vor Augen.

Touch-basierte Benutzerschnittstellen sind aus unserem Alltag nicht mehr wegzudenken, darüber herrscht wohl breiter Konsens. Ob wir nun Smartphones, Tablets oder Kioskanwendungen wie Bankomaten und Infoscreens als Beispiel hernehmen, die Touch-basierte Interaktion ist das dort vorherrschende Paradigma. In der klassischen Domäne der Desktop-PCs und Notebooks konnte sich dieses Paradigma bislang jedoch noch nicht durchsetzen. Der Leap Motion Controller ist ein Versuch, auch diese letzte Bastion der klassischen Eingabegeräte zu stürmen und sich dort als zusätzliches Interaktionswerkzeug zu etablieren.