Neuronales Netzwerk

Ein neuronales Netzwerk (Neural Network) ist ein Modell des maschinellen Lernens, das Muster erkennen, Vorhersagen treffen und Probleme lösen kann. Seine Struktur ist dem menschlichen Gehirn nachempfunden.

Zudem bildet es die Basis für Deep Learning und wird dort eingesetzt, wo herkömmliche Algorithmen an ihre Grenzen stoßen.

Ein künstliches neuronales Netzwerk besteht aus Knoten (Neuronen), die miteinander verbunden und in verschiedenen Schichten organisiert sind. Die Verbindungen zwischen den Neuronen können gewichtet werden, um den Einfluss einzelner Signale zu steuern. Zusätzlich gibt es sogenannte Verzerrungen (Bias), die die Entscheidungsschwelle eines Neurons beeinflussen.

Der Input Layer empfängt die Rohdaten und verarbeitet die Bedeutung der einzelnen Signale, während die Hidden Layers (Zwischenschichten) diese Daten weiterverarbeiten und den Kontext erfassen. Wenn ein Netz aus vielen Schichten besteht, wird es als Deep Neural Network bezeichnet. Nach der Verarbeitung liefert der Output Layer das Ergebnis. Im Wesentlichen lernt das Netz, wie es Rohdaten in aussagekräftige Muster umwandelt und diese für Vorhersagen nutzt.

Praxisbeispiele

• Gesichter werden auf Bildern erkannt
• Bilder werden nach Tierarten klassifiziert
• Sprache wird erkannt und in Text umgewandelt
• Empfehlungen werden auf Basis von Nutzerverhalten erstellt