Maschinelles Lernen
Ich bin völlig dumm geboren worden, -
Deshalb lese ich seit meiner Kindheit Bücher!..
Site-Admin W3SchoolsDE. DasBeste
Maschinelles Lernen ist ein Teilgebiet der Künstlichen Intelligenz
„Lernende Maschinen sollen menschliche Intelligenz imitieren“
Maschinelles Lernen (ML)
Traditionelle Programmierung verwendet bekannte Algorithmen, um Ergebnisse aus Daten zu erzeugen:
Data + Algorithms = Results
Maschinelles Lernen erstellt neue Algorithmen aus Daten und Ergebnissen:
Data + Results = Algorithms
Neuronale Netze (NN)
Neuronale Netze ist:
- Eine Programmiertechnik
- Eine Methode des maschinellen Lernens
- Eine Software, die aus Fehlern lernt
Neuronale Netze basieren auf der Funktionsweise des menschlichen Gehirns: Neuronen senden sich gegenseitig Nachrichten. Während die Neuronen versuchen, ein Problem (immer wieder) zu lösen, stärken sie die Verbindungen, die zum Erfolg führen, und schwächen die Verbindungen, die zum Misserfolg führen.
Perzeptronen
Das Perceptron definiert den ersten Schritt in die neuronalen Netzwerke.
Es stellt ein einzelnes Neuron mit nur einer Eingabeschicht und ohne versteckte Schichten dar.
Erfahren Sie, wie Sie ein Perzeptron programmieren.
Neuronale Netze
Neuronale Netze sind mehrschichtige Perzeptronen.
In seiner einfachsten Form besteht ein neuronales Netzwerk aus:
- Eine Eingabeebene (gelb)
- Eine verborgene Ebene (blau)
- Eine Ausgabeebene (rot)
Im Neuralen Netzwerkmodell werden Eingabedaten (gelb) anhand einer verborgenen Schicht (blau) verarbeitet, bevor die endgültige Ausgabe (rot) erzeugt wird.
Die erste Schicht:
Die gelben Perzeptronen treffen einfache Entscheidungen basierend auf den Eingaben. Jede einzelne Entscheidung wird an die Perzeptronen in der nächsten Schicht weitergeleitet.
Die zweite Schicht:
Die blauen Perzeptronen treffen Entscheidungen, indem sie die Ergebnisse der ersten Schicht abwägen. Diese Schicht trifft komplexere Entscheidungen auf einer abstrakteren Ebene als die erste Schicht.
Tiefe neuronale Netzwerke
Tiefe neuronale Netzwerke ist:
- Eine Programmiertechnik
- Eine Methode des maschinellen Lernens
- Eine Software, die aus Fehlern lernt
Tiefe neuronale Netzwerke bestehen aus mehreren verborgenen Schichten neuronaler Netzwerke, die komplexe Operationen an riesigen Datenmengen durchführen.
Jede nachfolgende Schicht verwendet die vorhergehende Schicht als Eingabe.
Beispielsweise werden beim optischen Lesen niedrige Schichten zum Erkennen von Kanten und höhere Schichten zum Erkennen von Buchstaben verwendet.
Im Deep Neural Network Model werden Eingabedaten (gelb) anhand einer verborgenen Schicht (blau) verarbeitet und anhand weiterer verborgener Schichten (grün) modifiziert, um die endgültige Ausgabe (rot) zu erzeugen.
Die erste Schicht:
Die gelben Perzeptronen treffen einfache Entscheidungen basierend auf den Eingaben. Jede einzelne Entscheidung wird an die Perzeptronen in der nächsten Schicht weitergeleitet.
Die zweite Schicht:
Die blauen Perzeptronen treffen Entscheidungen, indem sie die Ergebnisse der ersten Schicht abwägen. Diese Schicht trifft komplexere Entscheidungen auf einer abstrakteren Ebene als die erste Schicht.
Die dritte Schicht:
Noch komplexere Entscheidungen werden von den grünen Perzeptronen getroffen.
Tiefes Lernen (TL)
Deep Learning ist eine Teilmenge des maschinellen Lernens.
Deep Learning ist für den KI-Boom der letzten Jahre verantwortlich.
Deep Learning ist eine fortgeschrittene Art von TL, die komplexe Aufgaben wie die Bilderkennung bewältigt.
| Maschinelles Lernen | Deep Learning |
|---|---|
| Ein Teilbereich der KI | Ein Teilbereich des Maschinellen Lernens |
| Verwendet kleinere Datensätze | Verwendet größere Datensätze |
| Von Menschen trainiert | Lernt selbstständig |
| Erstellt einfache Algorithmen | Erstellt komplexe Algorithmen |
