Bei einem Feed-Forward-Netzwerk handelt es sich um eine künstliches Neurales Netz welches im Bereich des Deep-Learning Anwendung findet.

In einem Feed-Forward-Network (FFN) fließen die Informationen innerhalb der Schichten nur in eine Richtung. Das heißt, dass untere Schichten mit den oberen nicht kommunizieren. In einem FFN haben die Neuronen in jeder Schicht Verbindungen zu allen Neuronen in der nächsten Schicht. Jedes Neuron in einer Schicht empfängt Eingaben von allen Neuronen in der vorherigen Schicht und gibt Ausgaben an alle Neuronen in der nächsten Schicht weiter. Man kann, je nach Schichten-Anzahl, in „Single-Layer“ und „Multi-Layer“- FFNs unterscheiden. Bei single-Layer FFNs gibt es lediglich eine Eingabe und Ausgabeschicht, während Multi-Layer FFNs mindestens zwei aufweisen. Die Parameter des Netzes werden häufig durch ein Verfahren namens back-propagation trainiert, bei dem der Fehler zwischen der tatsächlichen Ausgabe des Netzwerks und der erwarteten Ausgabe berechnet und zur Aktualisierung der Gewichte verwendet wird. Der back-propagation Algorithmus benötigt gelabelte Trainingsdaten und ist ein supervised Lernalgorithmus. Das FFN zählt zu den simpelsten neural network-Verfahren und kann in vielen Bereichen angewendet werden.

• A brief review of feed-forward neural networks (2006)

  SAZLI Murat H. Communications Faculty Of Science University of Ankara 50/1 p11-17

  Communications Faculty of Sciences University of Ankara Series A2-A3 Physical Sciences and Engineering DOI:10.1501/commua1-2_0000000026
• Deep Learning mit Python und Keras (2018)

  François Chollet

  mitp Verlags GmbH & Co.KG ISBN:978-3-95845-838-3