Definition - Neuronales Netzwerk

• Typen:
  • Feedforward-Netzwerk
  • Tiefes Neuronales Netzwerk
  • Autoencoder
• Konstrukte:
  • Backpropagation
  • Berechnung der Funktion eines Neuronalen Netzwerkes
  • Computational Graph
• Eigenschaften:
  • Universelles Approximations Theorem
    • Neuronale Netze mit mehr als einer Schicht können beliebige Funktionen beliebig genau approximieren
  • Neuronales Netz mit Identitäts-Aktivierungsfunktionen ist nur so ausdrucksstark wie ein einzelnes Neuron mit Identitäts-Aktivierungsfunktion
  • Berechnung der partiellen Ableitung bezüglich eines Gewichts
• Involvierte Definitionen:
  • Neuron
  • Layer
• Veranstaltung: EML
• Referenz: @thimm2024 (Abschnitt 5.1.2)

⠀

Definition: Neuronales Netzwerk

Als Neuronales Netz bezeichnen wir im Kontext des maschinellen Lernens ein computergestütztes Modell, das sich (i.d.R.) aus einer Vielzahl von Neuronen zusammensetzt.

Diese Neuronen sind in Schichten organisiert, typischerweise in Eingabeschichten, versteckte Schichten (en. hidden layer) und Ausgabeschichten.

Durch Anpassung der Verbindungen und Gewichtungen zwischen den Neuronen können Neuronale Netze lernen, Aufgaben wie Klassifikation oder Regression zu lösen.

In ihrer ursprünglichen Form sind Neuronale Netzwerke von der Struktur und Funktionsweise des menschlichen Gehirns inspiriert.