Künstliche Neuronale Netze

Künstliche Neuronen

X = Input

W = Synaptische Gewichte

B = wird bei Berechnung drauf addiert (Bias = die Spontanfeuerrate)

F = F von der gewichteten Summe der Inputs plus den Bias

—> Neuron hat Spontanfeuerrate die unabhängig ist von den Inputs die kommen

Neuron bildet gerichtete Summe der Inputs + Spontanfeuerrate und bildet Funktion
Wenn Inputs bestimmte Schwelle überschreiten feuert Neuron (Signal wird weitergeleitet, sonst nicht)

Idee: künstliche Neuronen auf intelligente Weise trainieren und schalten: hoch komplexes Verhalten kann dadurch entstehen

Künstliche Neuronale Netzte

Woher kommen die Gewichte w?

Verbindungsstärke zwischen Neuronen ist plastisch und kann sich verändern
Gewichte müssen eingestellt werden damit Netzwerk macht was sie wollen was es macht
Gewichte müssen daher trainiert werden

Die Gewichte müssen gelernt werden -> Das Netz muss trainiert werden.
Beispiel: wir haben ein Netzwerk, das Bilder klassifizieren soll. Ist ein Mensch auf dem Bild, JA oder NEIN?
Das Netz wir nun mit Bildern trainiert, von denen wir wissen ob ein Mensch drauf ist oder nicht.
Die Gewichte werden während des Trainings solange angepasst, bis eine gute Performanz erreicht ist

Nehme viele dieser künstlichen Neuronen und schalte sie zusammen —> bekomme dann Systeme die Sachen machen können
Viele Units (Künstliche Neuronen) —> Dadurch Millionen von Verbindungen)

—> Wie im Gehirn: Von Retina in CGL, in den Thalamus usw. —> Input wird komplex verrechnet und weitergeleitet

Nicht eingebaut:

Atari Videospiele:

Netz wurde trainiert —> findet Lösung für das Problem wenn man es lang genug trainiert

—> bekommt System raus durch Training das komplexe Dinge lösen kann