Vertiefung der Grundlagen
Grundlagen neuronaler Netze
Eine Möglichkeit, maschinelles Lernen zu ermöglichen, ist die Orientierung am Aufbau des menschlichen Gehirns. Auf dieser Grundlage entstehen künstliche neuronale Netze. Dabei orientiert man sich an der stark vereinfachten Funktionsweise des menschlichen Gehirns.
Natürliches Neuron
Das Gehirn eines Menschen besteht aus etwa 1011 Nervenzellen (Neuronen).
Links siehst du eine stark vereinfachte Darstellung eines solchen Neurons, die wir für unsere Zwecke im Folgenden noch weiter vereinfachen werden.
Diese Neuronen sind die Bausteine der Informationsverarbeitung im Gehirn.
Dazu leitet ein Neuron elektrische Reizsignale ab einem gewissen Wert – dem sogenannten Schwellenwert – weiter. Man kann sagen, das Neuron „feuert”.
Künstliches Neuron
In der Informatik versucht man, das Verhalten eines Neurons im menschlichen Gehirn mithilfe von künstlichen Neuronen zu imitieren.
Dazu wird das Verhalten der natürlichen Nervenzelle wie folgt vereinfacht (bzw. wir vereinfachen es hier so weit wie möglich):
- Das künstliche Neuron kann mehrere Zahlenwerte als Eingaben verarbeiten – hier gibt es jedoch nur zwei Eingänge, x1 und x2.
- Die Stärke der jeweiligen Verbindung wird durch die Gewichte w1 und w2 beschrieben.
- s ist der Schwellenwert.
- Überschreitet der Wert des Terms (die "Aktivierung") x1w1+x2w2 die Größe des Schwellenwertes s, dann „feuert” das künstliche Neuron.
- „Feuern” bedeutet, dass über sein Axon y die Ausgabe 1 (z.B. an das nächste Neuron) gesendet wird - ansonsten wird eine 0 gesendet.
Wenn wir nur von den Eingängen 0 und 1 ausgehen, dann verhält es sich wie folgt:
x1 | x2 | y |
---|---|---|
0 | 0 | 0 |
0 | 1 | 0 |
1 | 0 | 1 ("feuern!") |
1 | 1 | 1 ("feuern!") |

Trennlinie / Separationsgerade
Betrachte die folgende Gleichung, die sich aus dem obigen Term und dem Schwellenwert ergibt: 2x1+1x2 = 1,5
Diese Gleichung lässt sich als Gerade darstellen, wobei die Belegungen für x1 und x2 die entsprechenden Punkte im Koordinatensystem sind.
Das sieht dann so aus, wie links dargestellt.
Man erkennt auch gut, was diese Gerade macht: Sie trennt die Werte für x1 und x2, die zu einem „Feuern” des künstlichen Neurons führen (grüner Bereich rechts), von den Werten, bei denen dies nicht der Fall ist (roter Bereich links).
Im grünen Bereich liefert das Neuron den Wert 1, im roten Bereich den Wert 0.
Worum geht es nun bei einem solchen künstlichen Neuron und der Trennlinie?
Nehmen wir der Einfachheit halber an, das Neuron hätte aufgrund von Länge und Breite der Tiere eine Trennlinie zwischen Raupen und Marienkäfern gefunden. Dann könnten ab jetzt auch bisher unbekannte Tiere in die Klasse „Raupe” bzw. „Marienkäfer” eingeteilt werden.
Die Schwierigkeit besteht darin, die passenden Gewichte von Hand zu bestimmen.
Es gibt jedoch Verfahren, mit denen sich ein Neuron trainieren lässt - wir sprechen dann von einem selbst lernenden Neuron.
Quellen
- [1]: Grafik Neuron vereinfacht - Urheber: Dr. Daniel Janssen - Lizenz: Creative Commons BY SA 4.0
- [2]: Trennen von Klassen - Urheber: Dr. Daniel Janssen - Lizenz: Creative Commons BY SA 4.0