Abo
  • Services:
Anzeige
Deep Learning basiert auf der Funktionsweise menschlicher Nervenzellen.
Deep Learning basiert auf der Funktionsweise menschlicher Nervenzellen. (Bild: Jan Homann/CC BY-SA 3.0)

Wie funktioniert das Lernen mit neuronalen Netzwerken?

Sowohl die Merkmalstransformationen als auch die Klassenentscheidung werden bei neuronalen Netzen durch die Beobachtung der Daten gelernt. Für unser Beispiel erfolgt der Lernvorgang für die Aufgabe der Klassenzuordnung von Bildern. Zuerst wird ein Bild am Eingang des neuronalen Netzes angelegt und der Ausgangswert berechnet. Aus der Differenz zwischen dem Ausgang und der gewünschten Klasse lässt sich ein Fehler(wert) berechnen.

Anzeige

Dieser Fehler hängt von sogenannten Gewichten der Neuronen (siehe Abbildung 1) ab, denn sie bestimmen den Ausgangswert.

  • Abbildung 1 (Bild: Christian Herta)
  • Abbildung 2 (Bild: Christian Herta)
Abbildung 1 (Bild: Christian Herta)

Abbildung 1: Ein Neuron als kleinste Recheneinheit eines neuronalen Netzes: Es wird die Summe der gewichteten Eingabewerte x1, x2, ... xn berechnet, d. h., jeder Eingabewert xi wird zuerst mit einem Gewicht wi multipliziert, bevor alle Eingabewerte aufsummiert werden.

Abbildung 2: Anschließend wird eine Aktivierungsfunktion (Schwellenwertfunktion) σ auf die gewichtete Summe angewendet. Falls die gewichtete Summe größer als der Schwellwert (hier im Beispiel 0,75) ist, liegt am Ausgang des Neurons eine 1 (aktiv) an. Falls die gewichtete Summe kleiner ist, ist das Neuron dagegen inaktiv. Der Ausgang hat dann den Wert 0. Dies ist ein Beispiel für eine harte Aktivierungsfunktion (blau). In Grün ist eine weichere Aktivierungsfunktion dargestellt.

Ein Gewicht ist sozusagen die Wertschätzung oder Wahrscheinlichkeit, die das neuronale Netzwerk der Beobachtung eines Neuronen zuordnet. Beim Lernen werden nun die Gewichte so angepasst, dass der Fehler kleiner wird, indem der Ausgangswert sich dem gewünschten Zielwert für alle Trainingsbeispiele annähert (siehe Abbildung 9).

  • Abbildung 9 (Bild: Christian Herta)
Abbildung 9 (Bild: Christian Herta)

Abbildung 9: Vereinfachte Darstellung einer Merkmalstransformation für zwei Merkmale und drei Klassen. Im ursprünglichen Merkmalsraum haben wir eine komplizierte Abbildungsfunktion der Merkmale auf die Klassen. Nach der Transformation sind die Datenpunkte der unterschiedlichen Klassen im Raum durch einfache gerade Trennlinien (im allgemeinen Hyperebenen) voneinander abgegrenzt.

Das Lernen wurde so als ein mathematisch lösbares Optimierungsproblem formuliert.

Für unser Beispiel der drei Klassen codiert man die Zielklasse mit drei Ausgangsneuronen o1, o2 und o3. Jedes Ausgangsneuron entspricht dann einer Klasse. o1 steht beispielsweise für die Landschaftsaufnahme, o2 für Porträts und o3 für die Tieraufnahmen. Wird ein Porträtfoto am Eingang angelegt, ist der Wunschzielwert der Ausgangsneuronen: o1=0; o2=1; o3=0; in Vektorform (0,1,0). Die Ausgangsneuronen des neuronalen Netzes haben typischerweise eine Aktivierungsfunktion, die Wahrscheinlichkeiten für die Klassen angeben.

Ist der Ausgang z. B. (0.3, 0.45, 0.25), so bedeutet dies, dass das neuronale Netz folgende Wahrscheinlichkeiten berechnet: 30 Prozent für die Klasse Landschaftsaufnahme, 45 Prozent für die Klasse Porträt und 25 Prozent für die Klasse Tieraufnahme.

Der Fehler ergibt sich dann aus der Differenz zwischen der Einschätzung des neuronalen Netzes für die Zielklasse zur gewünschten Zielwahrscheinlichkeit 100 Prozent. Da die Einschätzung des neuronalen Netzes für die Zielklasse Porträt 45 Prozent beträgt, ist die Differenz 100 Prozent - 45 Prozent = 55 Prozent.

Beim Lernen werden nun die Neuronengewichte so modifiziert, dass der Fehlerwert von 55 Prozent erniedrigt wird. Das heißt, dass die Wahrscheinlichkeit für die Zielklasse Porträtfoto erhöht werden soll. Beim Anlegen dieses Fotos soll sie größer als die bisherigen 45 Prozent sein. Ein wichtiger Algorithmus für diese Anpassung der Gewichte ist Backpropagation.

Dabei wird effizient berechnet, wie stark die einzelnen Neuronengewichte geändert werden müssen, um den Fehler zu reduzieren.

 Wissen repräsentieren und generalisierenWarum ist das Lernen neuronaler Netze so schwierig? 

eye home zur Startseite
kahmann 29. Okt 2015

Der Artikel hat mir gut gefallen. Nicht zuletzt auch, weil er sehr tief in die Materie...

jg (Golem.de) 15. Okt 2015

Jetzt müssten endlich auch mobil alle Bilder zu sehen sein!

natsan2k 08. Okt 2015

Schöner und interessanter Artikel.

attitudinized 08. Okt 2015

Tatsächlich hat Siri was mit lernen zutun - oder genauer mit Training. Die verwendete...

jg (Golem.de) 07. Okt 2015

Vielen Dank für das Lob, wir freuen uns!



Anzeige

Stellenmarkt
  1. Wolters Kluwer Deutschland GmbH, Hürth bei Köln
  2. mobileX AG, München
  3. Experis GmbH, Kiel
  4. ROHDE & SCHWARZ GmbH & Co. KG, München


Anzeige
Blu-ray-Angebote
  1. (u. a. The Revenant, Batman v Superman, James Bond Spectre, Legend of Tarzan)
  2. 39,99€ (Vorbesteller-Preisgarantie)
  3. (u. a. The Revenant 7,97€, James Bond Spectre 7,97€, Der Marsianer 7,97€)

Folgen Sie uns
       


  1. FTP-Client

    Filezilla bekommt ein Master Password

  2. Künstliche Intelligenz

    Apple arbeitet offenbar an eigenem AI-Prozessor

  3. Die Woche im Video

    Verbogen, abgehoben und tiefergelegt

  4. ZTE

    Chinas großes 5G-Testprojekt läuft weiter

  5. Ubisoft

    Far Cry 5 bietet Kampf gegen Sekte in und über Montana

  6. Rockstar Games

    Waffenschiebereien in GTA 5

  7. Browser-Games

    Unreal Engine 4.16 unterstützt Wasm und WebGL 2.0

  8. Hasskommentare

    Bundesrat fordert zahlreiche Änderungen an Maas-Gesetz

  9. GVFS

    Windows-Team nutzt fast vollständig Git

  10. Netzneutralität

    Verbraucherschützer wollen Verbot von Stream On der Telekom



Haben wir etwas übersehen?

E-Mail an news@golem.de


Anzeige
Redmond Campus Building 87: Microsofts Area 51 für Hardware
Redmond Campus Building 87
Microsofts Area 51 für Hardware
  1. Windows on ARM Microsoft erklärt den kommenden x86-Emulator im Detail
  2. Azure Microsoft betreut MySQL und PostgreSQL in der Cloud
  3. Microsoft Azure bekommt eine beeindruckend beängstigende Video-API

3D-Druck bei der Bahn: Mal eben einen Kleiderhaken für 80 Euro drucken
3D-Druck bei der Bahn
Mal eben einen Kleiderhaken für 80 Euro drucken
  1. Bahnchef Richard Lutz Künftig "kein Ticket mehr für die Bahn" notwendig
  2. Flatrate Öffentliches Fahrradleihen kostet 50 Euro im Jahr
  3. Nextbike Berlins neues Fahrradverleihsystem startet

Google I/O: Google verzückt die Entwickler
Google I/O
Google verzückt die Entwickler
  1. Neue Version im Hands On Android TV bekommt eine vernünftige Kanalübersicht
  2. Play Store Google nimmt sich Apps mit schlechten Bewertungen vor
  3. Daydream Standalone-Headsets auf Preisniveau von Vive und Oculus Rift

  1. Re: Horizon zero dawn

    LH | 12:03

  2. Re: Volumenbegrenzungen abschaffen

    My1 | 12:02

  3. Re: Forken

    ibsi | 12:02

  4. Re: Harmonie zwischen Kapitalismus und dem...

    staples | 11:59

  5. Re: 20kW Leistung... was ein Witz sowas überhaupt...

    Frankenwein | 11:57


  1. 11:44

  2. 11:10

  3. 09:01

  4. 17:40

  5. 16:40

  6. 16:29

  7. 16:27

  8. 15:15


  1. Themen
  2. A
  3. B
  4. C
  5. D
  6. E
  7. F
  8. G
  9. H
  10. I
  11. J
  12. K
  13. L
  14. M
  15. N
  16. O
  17. P
  18. Q
  19. R
  20. S
  21. T
  22. U
  23. V
  24. W
  25. X
  26. Y
  27. Z
  28. #
 
    •  / 
    Zum Artikel