Deep Learning

Kapitel 2. Grundlagen der neuronalen Netze und des Deep Learning

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Mit den Füßen in der Luft und dem Kopf auf dem Boden Versuch diesen Trick und dreh ihn, yeah Dein Kopf wird zusammenfallen Aber es ist nichts drin Und du wirst dich fragen

Wo ist mein Verstand

The Pixies, "Where is My Mind?"

Neuronale Netze

Neuronale Netzwerke sind ein Rechenmodell, das einige Eigenschaften mit dem tierischen Gehirn teilt, in dem viele einfache Einheiten parallel arbeiten, ohne dass eine zentrale Steuereinheit vorhanden ist. Die Gewichte zwischen den Einheiten sind das wichtigste Mittel zur langfristigen Speicherung von Informationen in neuronalen Netzwerken. Die Aktualisierung der Gewichte ist die wichtigste Methode, mit der das neuronale Netz neue Informationen lernt.

In Kapitel 1 haben wir uns mit der Modellierung von Gleichungen in Form der Gleichung Ax = b befasst. Im Zusammenhang mit neuronalen Netzen ist die A-Matrix immer noch die Eingabedaten und der b-Spaltenvektor ist immer noch die Beschriftung oder das Ergebnis für jede Zeile in der A-Matrix. Die Gewichte der Verbindungen im neuronalen Netz werden zu x (dem Parametervektor).

Das Verhalten neuronaler Netze wird durch die Architektur des Netzes bestimmt. Die Architektur eines Netzwerks kann (teilweise) durch Folgendes definiert werden:

• Anzahl der Neuronen
• Anzahl der Schichten
• Arten von Verbindungen zwischen ...