Künstliche neuronale Netze zählen zu den wichtigsten Werkzeugen der Wissenschaft. Viele Einführungen setzen jedoch Mathematik- oder Programmierkenntnisse voraus. Dieses Lehrbuch vermittelt Grundlagen, Anwendungen und Methoden der Datenauswertung mit neuronalen Netzen verständlich und stellt das Verständnis über Formeln. Es richtet sich insbesondere an Leser*innen aus den Sozial-, Geistes- und Lebenswissenschaften.

Das Buch erklärt die Funktionsweise künstlicher Neuronen, Netzarchitekturen und Lernregeln wie Hebb-Regel, Delta-Regel und Backpropagation. Analogien, Abbildungen und Fallstudien veranschaulichen, wie neuronale Netze kognitionspsychologische Phänomene wie Farbkonstanz, Routinehandlungen, serielles Lernen oder exekutive Funktionen simulieren können.

Der Praxisteil zeigt anhand von SPSS, Visual-XSel und MemBrain, wie eigene Netze erstellt, trainiert und ausgewertet werden. Zudem werden neuronale Netze als nichtlineare Alternative zu klassischen statistischen Verfahren vorgestellt.

Das Werk richtet sich an Studierende und Forschende der Psychologie, Kognitionswissenschaft, Neurowissenschaft, Informatik und verwandter Disziplinen. Übungsaufgaben und ein Online-Portal vertiefen das Gelernte.