Maschinelles Lernen

In diesem Unterkapitel wird erklärt, wie ein gesamtes KNN automatisiert durch so genannte Backward Propagation trainiert werden kann. Dazu werden Trainingsdaten verwendet, bei denen die gewünschten Ausgaben bereits bekannt sind. Diese erwünschten Ausgabedaten werden dabei auf geschickte Art rückwärts durch das gesamte KNN propagiert. Dabei werden die Gewichte und Schwellenwerte des KNN automatisch und sukzessive immer weiter angepasst - man sagt, dass KNN wird trainiert.

Der Prozess der Backward-Propagation ist also vergleichbar mit dem weiter oben behandelten automatisierten Lernen nach Rosenblatt. Allerdings mit dem Unterschied, dass bei der Backward-Propagation das gesamte KNN auf einmal trainiert wird, während beim Rosenblatt-Algorithmus lediglich ein einzelnes Perzeptron sukzessive angepasst wird.

Der Algorithmus der Backward-Propagation beruht auf partiellen Ableitungen. Es wird also recht technisch werden. Mit der Vorstellung, dass Backward-Propagation analog zum Rosenblatt-Algorithmus funktioniert, nur eben für das gesamtes KNN gleichzeitig, können Sie dieses Kapitel bei Bedarf aber auch erst einmal überspringen und zunächst mit dem Lesen der übrigen Kapitel fortfahren.