Maschinelles Lernen mit Recurrent Neural Networks

Rekurrente neuronale Netze nutzen Rückkopplungen zwischen Neuronen, um bei Entscheidungen auf vorher Gelerntes zurückzugreifen.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht
Maschinelles Lernen mit Recurrent Neural Networks
Lesezeit: 16 Min.
Von
  • Gerhard Völkl
Inhaltsverzeichnis

Ein Experiment: Versuchen Sie, das Wort Katze zu buchstabieren, aber bitte rückwärts und ohne auf den Text zu sehen. E-Z-T-A-K. Ganz so einfach war die Übung vermutlich nicht. Der Grund: Menschen haben bei Wörtern die "richtige" Reihenfolge der Buchstaben verinnerlicht. Sollte diese Ordnung plötzlich nicht mehr gelten – wie in diesem Experiment –, wird es anstrengend.

Nicht nur bei Wörtern kommt es auf die Reihenfolge der Inhaltselemente an. Bei Sätzen entscheidet in vielen Sprachen die Reihenfolge der Wörter über den Sinn der Aussage: Mann beißt Hund – Hund beißt Mann.

Tutorial: Neuronale Netze und KI-Beschleuniger

Genauso ist es bei Filmen oder Musik. Kommt in einem Film das Bild zuerst, auf dem in der linken Bildhälfte ein Ball zu sehen ist, und danach eins, auf dem der Ball in der rechten Bildhälfte ist, dann ist klar: Der Ball ist von links nach rechts geflogen. Bei einer anderen Reihenfolge der Bilder würde man eine andere Schlussfolgerung ziehen. Beim Analysieren oder Verarbeiten von Datenbeständen, bei denen es auf die Reihenfolge der einzelnen Elemente ankommt, spielen im Machine Learning sogenannte Recurrent Neural Networks (RNNs) ihre Stärken aus. Sie erweitern neuronale Netze um einen entscheidenden Schritt: die Rückkopplung zwischen Neuronen.