1. Einstieg

In diesem Kapitel sehen wir uns zunächst ein Beispiel mit einem historischen Datensatz an und probieren ein bereits fertig trainiertes neuronales Netz aus. Danach befassen wir uns genauer mit den Bausteinen neuronaler Netze: dem künstlichen Neuron. Wir werden sehen, wie ein einzelnes Neuron mit einer Eingabe sowie mit zwei Eingaben seine Ausgabe berechnet.

Was sind künstliche neuronale Netze?

Künstliche neuronale Netze verarbeiten Zahlen und spucken Zahlen wieder aus. Zunächst reicht uns eine ungefähre Vorstellung, um das Beispiel auf der nächsten Seite zu verstehen. Ein künstliches neuronales Netz besteht aus vielen Neuronen, die miteinander verbunden und in Schichten angeordnet sind. Jedes Neuron besitzt eine Zahl, den sogenannten Schwellwert. Die Neuronenverbindungen wiederum besitzen eine Zahl, die die Stärke dieser Verbindung darstellt, ihr sogenanntes Gewicht (im weiteren Verlauf wird der Wert einer solchen Verbindungsstärke aus Übersichtsgründen durch eine bestimmte Farbe symbolisiert). Nur mithilfe dieser Zahlen kann ein neuronales Netz Informationen dauerhaft speichern, indem es die Werte dieser Zahlen im Laufe des sogenannten Trainings verändert. Während dieses Prozesses wird es mit Daten bestehend aus Zahlen trainiert. 

Das Netz passt sich während des Trainings an, indem es seine Vorhersagen mit den tatsächlichen Ausgabedaten vergleicht. Wenn das Netz einen Fehler macht, ändert es die Verbindungsstärken (Gewichte) zwischen den Neuronen, um diesen Fehler zu reduzieren. Durch das Wiederholen dieses Prozesses für viele Beispiele wird das Netz allmählich besser, da es (nur durch mathematische Algorithmen) lernt, welche Verbindungen zwischen den Neuronen für die korrekte Vorhersage der Eingabedaten am wichtigsten sind.