Definition - Schicht (Neuronales Netz)

• Typen:
  • Hidden Layer
  • Conv-Layer
  • Rekurrenter Layer
  • Pooling-Operation
• Konstrukte:
  • Neuronales Netz
  • Berechnung des Outputs eines Layers
  • Darstellung der Gewichte zwischen zwei Schichten
• Involvierte Definitionen:
  • Neuron
  • Neuronales Netz
  • Aktivierungsfunktion
• Veranstaltung: EML
• Referenz: @thimm2024 (Abschnitt 5.1.2)

⠀

Definition: Schicht (Neuronales Netz)

Als Schicht (en. Layer) bezeichnen wir im Kontext neuronaler Netze eine Gruppe von Neuronen mit gleicher Aktivierungsfunktion, die parallel arbeiten.

Ist ein Netzwerk mit Schichten gegeben, so unterscheiden wir zwischen:

• Eingabeschicht (Input Layer): Nimmt die Rohdaten als Input auf. Wird nicht zu den Schichten hinzugezählt.
• Versteckte Schichten (Hidden Layer): Befindet sich zwischen Eingabe- und Ausgabeschicht, verarbeitet die Daten durch gewichtete Verbindungen und Aktivierungsfunktionen. Umfasst die Schichten
• Ausgabeschicht (Output Layer): Liefert das Ergebnis des Netzwerks basierend auf der vorangegangenen Schicht. Umfasst die Schicht .

Jede Schicht transformiert die Daten und leitet sie an die nächste Schicht weiter, was dem Netzwerk ermöglicht, komplexe Muster und Beziehungen zu lernen und zu erkennen.

Anmerkung

Layer ohne Neuronen?

Von der Definition abweichend müssen Layer nicht zwangsläufig Neuronen, geschweige denn lernbare Parameter enthalten.

Layer können abstrakt als Blöcke innerhalb eines neuronalen Netzwerkes verstanden werden, die Eingaben erhalten und Ausgaben erzeugen, die i.d.R. an eine Folgeschichte weitergegeben werden.