Neuronale Netze sind eine Kategorie von maschinellen Lernalgorithmen, die sich durch ihre Struktur und Funktionsweise an das menschliche Gehirn anlehnen. Sie bestehen aus einer Ansammlung miteinander verbundener künstlicher Neuronen, die in Schichten organisiert sind und Informationen verarbeiten, um komplexe Muster in Daten zu erkennen und Vorhersagen zu treffen.
Das folgende Schaubild zeigt die Funktionsweise eines neuronalen Netzwerks. Klicken Sie auf das Audio, um die ausführlichen Erläuterungen anzuhören. Parallel dazu können Sie die Hot-Spots anklicken und sich gezielt Informationen durchlesen.
Zusammengefasst nimmt ein neuronales
Netz Input-Daten (z.B. ein Bild) auf, verarbeitet diese durch mehrere Schichten
von Neuronen, die miteinander verbunden sind, und gibt am Ende eine
Klassifikation oder Vorhersage aus. Während des Trainings lernt das Netz, die
Gewichte der Verbindungen so anzupassen, dass es immer bessere Vorhersagen
treffen kann.