Das menschliche Gehirn empf ngt eine F lle unterschiedlicher Reize ber verschiedene Sinnesorgane, wobei die visuelle Wahrnehmung in diesem Zusammenhang ein bedeutendes Gebiet darstellt. Der Mensch ist in der Lage aus einer gro en Menge visueller Reize bestimmte Signale innerhalb k rzester Zeit herauszufiltern und richtig zu interpretieren. Probleme ergeben sich allerdings bei der Portierung der nat rlichen Mustererkennung auf Computersysteme. Nach dem derzeitigen technischen Stand k nnen Computer Daten zwar um ein vielfaches schneller verarbeiten, als unser Gehirn, sind aber dennoch mit Mustererkennungsaufgaben berfordert, die das Gehirn in k rzester Zeit erfolgreich durchf hrt. Ein Ansatz zur Nachahmung des nat rlichen Mustererkennungsprozesses sind k nstliche neuronale Netze als stark vereinfachte Modelle des Gehirns. Besonders das Neokognitron verspricht eine hohe Eignung zur Umsetzung dieser Aufgabe. Dieses Buch gibt zun chst eine Einf hrung in das Gebiet der Mustererkennung und vermittelt die notwendigen Grundlagen zu k nstlichen neuronalen Netzen. Der Fokus liegt auf der strukturellen und funktionalen Darstellung des urspr nglichen Neokognitrons bei der Mustererkennung. Den dabei identifizierten Problemen begegnet man mit verschiedenen Erweiterungen, deren wesentliche Eigenschaften im berblick dargestellt werden. Zur Veranschaulichung der praktischen Leistungsf higkeit werden Anwendungen aufgezeigt, f r die das Neokognitron implementiert wurde. Neben dem Neokognitron wird auch das bin re Hopfield-Netz als klassisches k nstliches neuronales Netz zur Mustererkennung erl utert. Entsprechend dieser Ausf hrungen wurde zus tzlich zum vorliegenden Buch ein E-Learning Modul f r bin re Hopfield Netze prototypisch implementiert und wird hier vorgestellt.