Deep Learning & Neuronale Netze

Glossar
SchlüsselwörterDeep Learning, Deep-Learning, Tiefes Lernen, Tiefen Lernen, Tiefen Lernens, künstliche neuronale Netze, KNN, künstlich neuronales Netz, kuenstliches neuronales Netz, kuenstlich neuronales Netz, neuronales Netz, neuronale Netze, NN
TypKI-Methode

Das Deep Learning (DL) (deutsch: Tiefes Lernen) ist streng genommen ein Teilbereich des Maschinellen Lernens, das auf einem Netzwerk von künstlichen Neuronen basiert.

Deep Learning-Algorithmen imitieren menschliche Gehirnprozesse, indem sie Daten gewichten und basierend darauf Entscheidungen treffen.

Oberflächlich kann man das Deep Learning in die drei Grundmethoden des Machine Learning unterscheiden:

  1. Supervised Neural Network
  2. Unsupervised Neural Network
  3. Reinforced Neural Network

Neuronale Netze

Ein Neuronales Netzwerk (NN) oder auch künstliches neuronales Netz (KNN) besteht aus mehreren Schichten (daher der Begriff „Deep“). Diese Schichten von Neuronen (Layer) können dabei verschiedene Aspekte in den Daten abdecken. So können für einen Sachverhalt verschiedene Schwerpunkte gesetzt werden, die miteinander vernetzt sind, umso die Vorhersagen zu optimieren. Beispielsweise könnte im Rahmen der Bilderkennung eine Schicht Kanten und Texturen lernen, während eine spätere Schicht Formen oder Objekte lernt. Neuronale Netze (NN) werden oft verwendet, um komplexe Muster in großen Mengen von Daten zu erkennen und zu lernen. Im folgenden sind spezifische Deep Learning Methoden aufgeführt:

Weiterführende Informationen