2. Lernen

Wie lernen neuronale Netze, Entscheidungen zu treffen?

Entscheidungen zu treffen ist im Bereich der Mustererkennung und -klassifikation eine der am häufigsten eingesetzten Aufgaben neuronaler Netze. In diesem Kapitel betrachten wir zunächst am Beispiel der Programmiersprache Scratch, wie ein herkömmliches Computerprogramm Ja-/Nein-Entscheidungen trifft. Im Vergleich dazu sehen wir an einem Neuron mit einer Eingabe und einer Ausgabe, wie dieses Prinzip bei manuell trainierten neuronalen Netzen funktioniert (eine „menschliche Entscheidung“).

Im nächsten Schritt befassen wir uns mit dem Training dieses Neurons mithilfe von Paaren aus Eingabe- und gewünschten Ausgabedaten, das unser Netz in die Lage versetzt, automatisch den richtigen Trennpunkt zu finden (eine „künstliche Entscheidung“).

Wie Netze lernen, Eingaben zu klassifizieren, wird anhand eines Neurons mit zwei Eingaben und einer Ausgabe illustriert: Wir trainieren es manuell so, dass es lernt, zwei Klassen voneinander zu unterscheiden (eine „menschliche Trennung“).

Im Anschluss betrachten wir das automatische Training dieses Neurons per Lernalgorithmus (eine „künstliche Trennung“).

Zuletzt sehen wir ein Beispiel für ein etwas größeres neuronales Netz, das mit zwei Eingaben vier Klassen voneinander unterscheiden kann („viele Trennungen“).