Neuronale Netze einfach erklärt
Seite 2: Layer
Einfache neuronale Netze bestehen aus drei Arten von sogenannten Schichten (engl. Layer): einem Eingangs-Layer, einer bis mehrere internen Schichten und einer Ausgangsschicht (Bild 2). Am Eingang-Layer werden die Eingangsinformation eingespeist. Wenn man etwa ein 10x10 Pixel großes Schwarzweißbild hat, so würde man 100 Eingangsneuronen wählen. An jedes dieser Neuronen würde genau ein Neuron angeschlossen werden, an dem die Bildinformation schwarz/weiß als 1/0 anliegt.
Diese ersten Neuronen sind über individuelle Verbindungstärken (Gewichte) mit den Neuronen im ersten internen Layer verbunden. Interne Layer werden oft auch hidden Layer genannt. In erster Näherung ist jeder Ausgang eines Eingangsneuron mit allen Eingängen der Neuronen im hidden Layer verbunden. Die dort berechnete jeweilige Aktivität wird an weitere interne Layer oder schließlich an den Ausgang-Slayer weitergegeben. Dort kann man dann das Ergebnis auslesen.
Die Anzahl der Ausgangsneuronen hängt von der Aufgabenstellung ab. Möchte man, dass das Netzwerk Hunde und Katzen auf dem 10x10 Pixel großen Bild unterscheidet, so wählt man zwei Ausgangsneuronen, wobei eines aktiv sein soll, wenn ein Hund auf dem Bild ist und das zweite, wenn eine Katze zu sehen ist.
