DL Funktionsschema

Funktionsweise

Funktionsschema neuronaler Netze

Funktionsweise
Künstliche neuronale Netze lernen—ähnlich unserem Gehirn—Probleme zu lösen. In künstlichen neuronalen Netzen entsprechen die Knoten (in der Darstellung unten Kreise) den Neuronen und die Kanten (Linien zwischen den Kreisen) den Synapsen unseres Gehirns.
Untrainiertes Netz
Das noch nicht angelernte neuronale Netz ist ‚dumm‘, alle Knoten innerhalb des Netzes haben die gleiche Wertigkeit.
Bekanntes Wissen

Um das neuronale Netz anlernen zu können werden Daten benötigt, zum Beispiel vier Kombinationen. Diese Kombinationen soll das Netz später erkennen können.

Lernphase

Die bekannten Eingaben bilden zusammen mit den bekannten Ergebnissen die Trainingsgrundlage.

Trainingsdurchläufe

Dem Netz werden nun die bekannten Daten gezeigt, das ungelernte Netz wird zufällig ein falsches oder richtiges Ergebnis anzeigen.

Feedback

Da bei den Testdaten bekannt ist, ob sie richtig oder falsch sind, kann das Ergebnis des Netzes bewertet werden. Hat das Netz ein falsches Ergebnis erzeugt, so werden die entsprechenden Knoten geschwächt. Ist das Ergebnis richtig, werden die Konten bestärkt.

 

Ende der Lernphase

Mit jedem Lernschritt verändert sich das neuronale Netz. Die Lernphase ist beendet, wenn die Ergebnisse stabil sind.

 

Anwendungsphase

Das neuronale Netz kann nun angewendet werden. In Gegensatz zur Lernphase ist bei der Nutzung nur eine geringe Rechenleistung notwendig.

Eigenständige Anwendungen

Die Anwendungsgebiete sind vielfältig.

Neuigkeiten

Gemeinsam gegen Corona videBit Fair ist ein auf KI-basierendes System, dass erkennt ob eine Maske getragen wird und der Mindestabstand
Im Frühjahr 2019 wir ich Mitglied der Delegationsreise “NRW goes to India”. Die Veranstaltung wurde geleitet von unserem Wirtschaftsminister Herrn
Corona - KI erkennt fehlenden Mund-Nase-Schutz
Künstliche Intelligenz erkennt Mund-Nase-Schutz Eine auf künstliche Intelligenz (KI) basierendes Software-System ist in der Lage zu erkennen, ob eine Person,