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.