Aktueller Channel Fokus:

Server & Hyperkonvergenz

Definition

Was sind neuronale Netze?

| Autor / Redakteur: Laimingas / Sarah Böttcher

Grundlagenwissen zum IT-Business
Grundlagenwissen zum IT-Business (Bild: © adiruch na chiangmai - Fotolia.com)

Neuronale Netze haben in den vergangenen Jahren als grundlegendes Konzept entscheidend zu den Erfolgen in der Künstlichen Intelligenz (KI), im Machine Learning (ML) und Deep Learning (DL) beigetragen.

Bezogen auf den Menschen sind neuronale Netze Verbindungen von Neuronen, die einen spezifischen Zusammenhang innerhalb des Nervensystems bilden. Das menschliche Gehirn ist im Grunde ein riesiges Netz aus neuronalen Netzen. In der Informatik und im Bereich der Künstlichen Intelligenz (KI), aber auch in der Robotik, spricht man von künstlichen neuronalen Netzen, wenn Menschen als Vorbilder dienen und technisch nachgebildet und simuliert werden.

Woraus bestehen künstliche neuronale Netze?

Ein künstliches neuronales Netz besteht aus mehreren Schichten – Ein- und Ausgabeschicht, dazwischen versteckte Schichten – im Englischen als Layer bezeichnet. Die Schichten ihrerseits sind aus zahlreichen Knotenpunkten (englisch Nodes) zusammengesetzt, die sich mit den Neuronen im menschlichen Gehirn vergleichen lassen. An diesen Knotenpunkten werden Informationen verarbeitet, aber nicht in Form elektrischer Reize wie im Hirn, sondern in Form numerischer Werte.

Funktionsschema an Hand eines Fotos

Soll ein Bild mit 1.024 x 1.024 Pixeln im RGB-Modus mit einem neuronalen Netz verarbeitet werden, ergibt das eine Zahl von 1.024 x 1.024 x 3 = 3.145.728 Eingabewerten. Diese 3 Millionen Werte werden von der Eingabeschicht von jedem Knoten an alle mit ihm verbundenen Knoten geschickt. Damit sich ein Lernerfolg einstellen kann, wird jede Knotenverbindung mit einem Bias und einem Gewicht (einem zusätzlichen Neuron) für die Interpretation und Bewertung der eingegangenen Information versehen.

Nun werden wichtige Eingabewerte mit einer Änderung an den Gewichten und Biases für eine eindeutige Klassifizierung verstärkt, andere werden abgeschwächt. Anschließend kann das Bild beispielsweise zum Abgleich mit ähnlichen Motiven genutzt werden.

Deep Learning mit neuronalen Netzen

Deep Learning findet statt, wenn neuronale Netze über mehr als eine versteckte Schicht verfügen. Je mehr davon vorhanden sind, desto tiefer das Lernen. Fügt man Knotenpunkte in jeder Schicht hinzu, kann man in die Breite gehen. Der englische Fachausdruck lautet Wide Learning. Neuronale Netze lassen sich für verschiedene Zwecke optimieren, indem man verschieden tiefe und weite Schichten mit einander kombiniert und Varianten ausprobiert. Weitere Optimierungen entstehen mit individuellen Architekturen im Deep Learning.

Typische Anwendungsbereiche für neuronale Netze

Für neuronale Netze gibt es vielfältige Einsatzmöglichkeiten, vor allem überall dort, wo große Datenmengen verarbeitet werden müssen. Einige Beispiele sind:

  • Bild- und Mustererkennung,
  • Spracherkennung und -synthese,
  • Schrifterkennung,
  • Frühwarnsysteme,
  • Zeitreihenanalysen,
  • Simulationen und Prognosen für komplexe Systeme,
  • maschinenbasiertes Übersetzen,
  • Berechnen von Wirtschaftsmodellen,
  • Einsatz in biometrischen Systemen.

Kommentare werden geladen....

Sie wollen diesen Beitrag kommentieren? Schreiben Sie uns hier

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de/ (ID: 45906199 / IT-BUSINESS Definitionen)