i

Grundlagen neuronaler Netze

Grundlagen neuronaler Netze

Eine Möglichkeit ein maschinelles Lernen zu ermöglichen, ist die Orientierung an dem Aufbau eines menschlichen Gehirns. Durch dieses Modell entstehen künstliche neuronale Netze. Dazu orientiert man sich an einer stark vereinfachten Funktionsweise des menschlichen Gehirns.

Natürliches Neuron

Das Gehirn eines Menschen besteht aus ca. 1011 Nervenzellen (Neuronen).
Links siehst du eine stark vereinfachte Darstellung eines solchen Neurons - aber selbst die werden wir für unsere Zwecke im Folgenden noch weiter vereinfachen.

Diese Neuronen sind die Bausteine für die Informationsverarbeitung im Gehirn.

Dazu leitet eine Neuron elektrische Reizsignale ab einem gewissen Wert - dem sogenannten Schwellenwert - weiter. Man sagt, das Neuron "feuert".

Klick hier für mehr Details

Hier kommt demnächst noch eine Erklärung zu den Bestandteilen eines Neurons.

Künstliches Neuron

In der Informatik versucht man mit Hilfe von künstlichen Neuronen das Verhalten eines Neurons im menschlichen Gehirn zu imitieren.

Dazu vereinfacht man das Verhalten der natürlichen Nervenzelle folgendermaßen (bzw. wir vereinfachen es hier so weit wie möglich):

  • Als Eingaben kann das künstliche Neuron mehrere Zahlenwerte verarbeiten - hier gibt es sogar 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 wäre das Verhalten wie folgt:

x1 x2 y
0 0 0
0 1 0
1 0 1 ("feuern!")
1 1 1 ("feuern!")

Trennlinie / Separationsgerade

Betrachte die Gleichung aus dem obigen Term und dem Schwellenwert: 2x1+1x2 = 1,5
Diese Gleichung lässt sich als Gerade und die Belegungen für x1 und x2 als Punkte im Koordinatensystem darstellen.

Das sieht dann so aus, wie links dargestellt.

Man erkennt auch schön, 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 für x1 und x2, bei denen nicht "gefeuert" wird (roter Bereich links).

Im grünen Bereich liefert das Neuron den Wert 1, im roten Bereich den Wert 0.

Trennen von Klassen[4]

Worum geht es nun bei einem solchen künstlichen Neuron und der Trennlinie?

Nehmen wir der Einfachheit halber an, das Neuron hätte eine Trennlinie zwischen Raupen und Marienkäfern aufgrund von Länge und Breite der Tiere gefunden. Dann könnten ab jetzt bisher unbekannte Tiere in die Klasse Raupe bzw. Marienkäfer eingeteilt werden.

Die Schwierigkeit besteht darin, die passenden Gewichte von Hand zu bestimmen.

Aber es gibt ein Verfahren, wie man ein Neuron trainieren kann - man nennt es dann ein "Perzeptron".

Quellen

Suche

v
5.1.2.5.3.3
inf-schule.de/ki/menueansicht/ki_erkunden/steinlaus_erkennung/einzelneNeuronen/vertiefung_grundlagen
inf-schule.de/5.1.2.5.3.3
inf-schule.de/@/page/bFqN18ayON8vHYRx

Rückmeldung geben