Maschinelles Lernen mit Python Kochbuch, 2.

Kapitel 21. Neuronale Netze

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

21.0 Einleitung

Das Herzstück von grundlegenden neuronalen Netzen ist die Einheit (auch Knoten oder Neuron genannt). Eine Einheit nimmt eine oder mehrere Eingaben auf, multipliziert jede Eingabe mit einem Parameter (auch Gewichtung genannt), summiert die gewichteten Eingabewerte zusammen mit einem Vorgabewert (in der Regel 0) und gibt den Wert dann in eine Aktivierungsfunktion ein. Diese Ausgabe wird dann an die anderen Neuronen weitergegeben, die tiefer im neuronalen Netz liegen (falls vorhanden).

Neuronale Netzwerke können als eine Reihe von verbundenen Schichten dargestellt werden, die ein Netzwerk bilden, das die Merkmalswerte einer Beobachtung an einem Ende und den Zielwert (z. B. die Klasse der Beobachtung) am anderen Ende verbindet. Neuronale Netze mit Vorwärtskopplung - auch mehrschichtige Perzeptronengenannt - sinddie einfachsten künstlichen neuronalen Netze, die in der Praxis eingesetzt werden. Der Name "Feedforward" kommt daher, dass die Merkmalswerte einer Beobachtung "vorwärts" durch das Netz geleitet werden, wobei jede Schicht die Merkmalswerte sukzessive umwandelt mit dem Ziel, dass die Ausgabe dem Zielwert entspricht (oder nahe daran liegt).

Feedforward-Neuronale Netze bestehen aus drei Arten von Schichten. Am Anfang des neuronalen Netzes steht eine Eingabeschicht, in der jede Einheit den Wert einer ...