In diesem Kurs hast du gelernt...
- ...wie künstliche neuronale Netze mittels Gewichten und Schwellwerten aufgebaut werden können.
- ...wie ein Eingangssignal iterativ verarbeitet wird, um das zugehörige Ausgangssignal zu bestimmen.
- ...wie Schwarz-Weiß-Bildern unter Verwendung neuronaler Netze klassifiziert werden können.
Das mathematische Modell neuronaler Netze hat sich in diesem Kurs genau an dem Vorbild aus der Natur orientiert. Tatsächlich entfalten künstliche neuronale Netze aber erst dann ihr eigentliches Potenzial, wenn vom Vorbild abgewichen und das Modell verallgemeinert wird. Zum Beispiel:
Aus mathematischer Sicht spricht nichts dagegen, für die Gewichte und Schwellwerte alle (reellen) Zahlen zuzulassen.
Diese und weitere Verallgemeinerungen stellen wir im nachfolgenden Kurs genauer vor. Die wichtigste Erkenntnis aus diesem Kurs ist jedoch folgenden:
Ein neuronales Netz kann nur dann sinnvoll zur Lösung einer konkreten Aufgabe eingesetzt werden, wenn zuvor sämtliche Gewichte und Schwellwerte geeignet gewählt wurden.
Beim Bestimmen der Gewichte und Schwellwerte spricht man von der Trainingsphase, wobei hier durchaus komplexe Algorithmen zum Einsatz kommen und zudem ausreichend viele Daten benötigt werden. Mehr dazu lernst du im dritten Kurs dieser Reihe über neuronale Netze.