Eine freie Initiative von Menschen bei  anthrowiki.at,  anthro.world,  biodyn.wiki und  steiner.wikimit online Lesekreisen, Übungsgruppen, Vorträgen ... |
 Wie Sie die Entwicklung von AnthroWiki durch Ihre Spende unterstützen können, erfahren Sie hier.
|
|
|
Use Google Translate for a raw translation of our pages into more than 100 languages. Please note that some mistranslations can occur due to machine translation. |
Deep Learning: Unterschied zwischen den Versionen
(Die Seite wurde neu angelegt: „'''Deep Learning''' ist ein Teilbereich des maschinellen Lernens, bei dem künstliche neuronale Netze mit vielen Schichten (tiefen Netzen) verwendet werden, um komplexe Muster in großen Datenmengen zu erkennen und zu lernen. Im Gegensatz zu flachen Netzwerken, die nur eine oder zwei Schichten haben, sind tiefe neuronale Netze in der Lage, hierarchische Merkmale aus den Daten zu extrahieren. Jede Schicht des Netzes transformie…“) |
Keine Bearbeitungszusammenfassung |
||
| Zeile 1: | Zeile 1: | ||
[[Datei:Deep Learning.jpg|mini|Geschichtete Repräsentation von Bildern auf mehreren Abstraktionsebenen<ref>{{Literatur |Autor=Hannes Schulz, Sven Behnke |Titel=Deep Learning: Layer-Wise Learning of Feature Hierarchies |Sammelwerk=KI - Künstliche Intelligenz |Band=26 |Nummer=4 |Datum=2012-11 |ISSN=0933-1875 |Seiten=357–363 |Online=http://link.springer.com/10.1007/s13218-012-0198-z |Abruf=2020-01-13 |DOI=10.1007/s13218-012-0198-z}}</ref>]] | |||
'''Deep Learning''' ist ein Teilbereich des [[Maschinelles Lernen|maschinellen Lernens]], bei dem [[künstliche neuronale Netze]] mit vielen Schichten (tiefen Netzen) verwendet werden, um komplexe Muster in großen Datenmengen zu erkennen und zu lernen. | '''Deep Learning''' ist ein Teilbereich des [[Maschinelles Lernen|maschinellen Lernens]], bei dem [[künstliche neuronale Netze]] mit vielen Schichten (tiefen Netzen) verwendet werden, um komplexe Muster in großen Datenmengen zu erkennen und zu lernen. | ||
| Zeile 20: | Zeile 21: | ||
* [[w:Jürgen Schmidhuber|Jürgen Schmidhuber]]: ''Deep learning in neural networks: An overview.'' In: ''Neural Networks'', 61, 2015, S. 85, {{arXiv|cs.NE|1404.7828}}. | * [[w:Jürgen Schmidhuber|Jürgen Schmidhuber]]: ''Deep learning in neural networks: An overview.'' In: ''Neural Networks'', 61, 2015, S. 85, {{arXiv|cs.NE|1404.7828}}. | ||
* Rob F. Walker: ''Artifical Intelligence in Business: Balancing Risk and Reward'', 2017, Seite 1–23. | * Rob F. Walker: ''Artifical Intelligence in Business: Balancing Risk and Reward'', 2017, Seite 1–23. | ||
== Einzelnachweise == | |||
<references /> | |||
[[Kategorie:Künstliche Neuronale Netze]] | [[Kategorie:Künstliche Neuronale Netze]] | ||
[[Kategorie:Maschinelles Lernen]] | [[Kategorie:Maschinelles Lernen]] | ||
Version vom 15. März 2023, 19:08 Uhr
Deep Learning ist ein Teilbereich des maschinellen Lernens, bei dem künstliche neuronale Netze mit vielen Schichten (tiefen Netzen) verwendet werden, um komplexe Muster in großen Datenmengen zu erkennen und zu lernen.
Im Gegensatz zu flachen Netzwerken, die nur eine oder zwei Schichten haben, sind tiefe neuronale Netze in der Lage, hierarchische Merkmale aus den Daten zu extrahieren. Jede Schicht des Netzes transformiert die Eingabe auf eine Art und Weise, die es dem Netzwerk ermöglicht, immer abstraktere Merkmale der Daten zu lernen. Zum Beispiel kann eine erste Schicht in einem Bilderkennungsnetzwerk Kanten und Linien erkennen, während spätere Schichten komplexere Merkmale wie Formen, Texturen und Objekte erkennen.
Deep-Learning-Modelle werden typischerweise durch Training mit einem großen Datensatz von Eingabe- und Zielbeispielen erstellt. Während des Trainings wird das Netzwerk aufgefordert, die korrekten Ausgaben für jede Eingabe zu generieren. Durch die Anpassung der Gewichte in den Neuronen des Netzes wird das Modell so angepasst, dass es in der Lage ist, genaue Vorhersagen für neue, bisher ungesehene Eingabedaten zu machen.
Eines der bemerkenswertesten Merkmale von Deep Learning ist, dass es in vielen Anwendungen besser abschneidet als traditionelle Machine-Learning-Modelle. Deep-Learning-Modelle haben zum Beispiel in der Bilderkennung, der Spracherkennung, der Sprachübersetzung, der Textgenerierung und der Robotik beeindruckende Ergebnisse erzielt.
Siehe auch
- Deep Learning - Artikel in der deutschen Wikipedia
Literatur
- François Chollet: Deep Learning mit Python und Keras: Das Praxis-Handbuch vom Entwickler der Keras-Bibliothek. mitp, 2018, ISBN 978-3-95845-838-3.
- Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning: Adaptive Computation and Machine Learning. MIT Press, Cambridge USA 2016, ISBN 978-0-262-03561-3.
- Jürgen Schmidhuber: Deep learning in neural networks: An overview. In: Neural Networks, 61, 2015, S. 85, arxiv:1404.7828 [cs.NE].
- Rob F. Walker: Artifical Intelligence in Business: Balancing Risk and Reward, 2017, Seite 1–23.
Einzelnachweise
- ↑ Hannes Schulz, Sven Behnke: Deep Learning: Layer-Wise Learning of Feature Hierarchies. In: KI - Künstliche Intelligenz. 26, Nr. 4, 2012, ISSN 0933-1875, S. 357–363, doi:10.1007/s13218-012-0198-z (http://link.springer.com/10.1007/s13218-012-0198-z).
