Schichten in einem Neuralen Netzwerk
Ein Neurales Netzwerk besteht aus mehreren Schichten, die dem Netzwerk dabei helfen, schwer erkennbare Muster zu lernen, um auf bestimmte Eingaben ein gutes Ergebnis zu geben. Ein einfaches Neurales Netzwerk besteht aus den folgenden drei Schichten.
| Schicht | Beschreibung |
|---|---|
| Eingabeschicht | Die Eingabeschicht empfängt die Eingabedaten (z. B. Bilder oder Texte), die in numerischer Form vorliegen. |
| Verborgene Schichten | Diese Schichten lernen, schwer erkennbare Muster aus den Trainingsdaten. Durch das Training lernen die Neuronen in diesen Schichten, welche Informationen relevant sind. |
| Ausgabeschicht | Diese Schicht gibt das Ergebnis des Neuralen Netzwerks aus, z. B. eine Klassifizierung oder Vorhersage. |
Eingabeschicht
Die Eingabeschicht ist die erste Schicht eines Neuralen Netzwerks und nimmt die Eingabedaten entgegen wie z.B. Bilder oder Texte, die in eine numerische Form umgewandelt wurden. Um alle Daten verarbeiten zu können hat diese Schicht genau so viele Neuronen, wie es Eingabedaten gibt. Hierbei ist zu bedenken, dass die Neuronen, die hier verwendet werden, lediglich die Daten entgegen nehmen und nichts weiteres mit diesen Daten machen. Somit kann man die Neuronen in der Eingabeschicht als einfache Eingabefelder bezeichnen.
Verborgene Schichten
In einem Neuralen Netzwerk können mehrere Verborgene Schichten verwendet werden. Diese Schichten helfen dem Netzwerk, schwer erkennbare Muster zu lernen. Zum Beispiel lernt die erste Verborgene Schicht einfache Linien oder Kanten in einem Bild, während die zweite Schicht Formen erkennen könnte und die dritte Schicht erkennt dann ganze Objekte wie Gesichter oder Tiere. Die Verborgenen Schichten lernen, indem die sogenannten "Weights" und "Bias" Parameter angepasst werden. Jedes Neuron hat einen "Bias" Wert, während jede Verbindung von den Neuronen der vorherigen Schicht zu den Neuronen der aktuellen Schicht einen "Weight" Wert hat. Zusätzlich hat jedes Neuron in den Verborgenen Schichten eine Aktivierungsfunktion, die dem Netzwerk ermöglicht, nichtlineare Muster zu lernen.
Ausgabeschicht
Die Ausgabeschicht ist die letzte Schicht eines Neuralen Netzwerks. Diese Schicht bringt die letzte Ausgabe für den jeweiligen Anwendungsfall in ein bestimmtes Format z.B. 0 bis 1. Um die Ausgabe in das Format umzuwandeln werden wieder für jede Verbindung zu den Neuronen aus der Vorherigen Schicht "Weight" werte und für jedes Neuron in der Ausgabeschicht einen "Bias" wert verwendet. Das Ergebnis dieser Schicht wird dann durch eine Aktivierungsfunktion in das benötigte Format für den jeweiligen Anwendungsfall gebracht.
