Machine Learning für Softwareentwickler

9

Das Netz entwerfen

Während sich Teil I um Perzeptrone drehte, geht es in Teil II um deren große Brüder und das wichtigste Konzept, das in diesem Buch behandelt wird, nämlich um neuronale Netze. Sie sind viel leistungsfähiger als Perzeptrone. Im Abschnitt »Die Grenzen von Perzeptronen« auf Seite 122 haben wir bereits festgestellt, dass Perzeptrone einfache, linear separierbare Daten benötigen. Neuronale Netze dagegen können mit ungeschliffenen Daten wie den Fotos von realen Objekten umgehen.

Selbst mit einer einfachen Datenmenge wie MNIST kam unser Perzeptron mit etwa einem Fehler alle zehn Zeichen nur so gerade eben zurecht. Bei neuronalen Netzen dagegen können wir eine Genauigkeit anstreben, die um Größenordnungen besser ist. In diesem Teil ...