Deep Learning – Grundlagen und Implementierung

KAPITEL 2

Erste Modelle

In Kapitel 1 habe ich die Grundbausteine, um Deep Learning überhaupt zu verstehen, beschrieben: verschachtelte, stetige, differenzierbare Funktionen. Ich habe gezeigt, wie diese Funktionen als Rechengraphen dargestellt werden, wobei jeder Knoten des Graphen für eine einfache Funktion steht. Dabei habe ich demonstriert, wie die Ableitung der Ausgabe der verschachtelten Funktion bezogen auf ihre Eingaben berechnet werden kann: Wir werten einfach die Teilableitungen dieser Einzelfunktionen bei der Eingabe aus und multiplizieren die Ergebnisse. Aufgrund der Kettenregel führt das zu einer korrekten Ableitung für die gesamte verschachtelte Funktion. Anhand einfacher Beispiele konnten wir sehen, dass dies tatsächlich funktioniert. ...