Das Video kommt von YouTube: erst beim Abspielen verbindet sich die Seite mit YouTube (Google).
Lernen, Neuronale Netze, Perzeptron, Signale, Gewichte, Fehler, Korrekturen | Prof. Griesbauer
Das Wichtigste aus dem Video
Tipp auf eine Zeit – das Video springt genau dorthin.
Transkriptautomatisch erstellt · 46 Zeilen
- jetzt wollen wir einen sehr einfachen typ ein paar sap tron von eur nach genau gegen uns dann verallgemeinern zu können und auf sehr komplizierte
- netzwerke erweitern zu können also was soll unser ausgangspunkt seien wir haben sagt unter neuronen sind super einfach gibt inhalt nur gewichte wir nehmen also
- uns hier ein neuron als beispiel und sagen das bekommt jetzt von drei anderen neuronen
- ein signal das können jetzt irgendwelche rezeptoren seinem auge bereits es völlig wurscht die können auf bunten seien zu anderen neuronen an der stelle
- was rauskommt ist immer noch das gleiche hier hinten haben wir einfach ein ausgang den
- kann man ausrechnen wir können nämlich hier die verbindung von den einzelnen neuronen
- die hereinkommen design jetzt alle damit verbunden und haben wir die gewichte b 1 bis 4 2 über das es nur richtig nummerieren
- sie 1923 genau an der stelle und wollen uns jetzt
- überlegen wie kann man jetzt aus dem vorgang an sich wie kann man da überhaupt daraus lernen die idee ist relativ einfach sie liefern uns alle
- hier in ausgang o2 o 13 und zur ausgangstür definiert als die summe über
- hier schreibe jetzt hier über diese gewichteten eingänge also wie letztlich eindeutig ausrechnen jetzt ist es so
- wir haben die gewisse zielvorgabe wir wollen jetzt unsere gewichte anpassen das heißt wir haben hier einen ausgang auf der berechnet wird wir haben hier
- aber auch ein wunsch von dem was rauskommen sollte die nennen wir jetzt einfach t
- und jetzt können uns überlegen wie kann jetzt meine gewichte anpassen naja ich überlege mir mal ja jetzt ein gewicht das
- will jetzt einfach neu berechnen dass willi anpassen ich will lernen dann arbeitet es also insofern weiß ich sag ja ich nehme das alte gewicht her und
- passt das neue gewicht einfach an um so ein teilt abb jetzt muss ich mir überlegen um wie viel passiert ja dass
- jetzt die frage das ist die lahn regel und eigentlich kann man sich die erstmal aus dem bauch raus selber ausdenken was wäre aber eine sinnvolle lang regel an
- der stelle na ja ich nehme den fehler den ihr hinten macht e news aus
- gewichtigen ein bisschen und geh jetzt noch her und gewichte das gleichzeitig noch
- mit dem jeweiligen ausgabe das heißt was passiert jetzt hat je einen neuen starken ausgang gefeuert und der fehler ist sehr groß dann haben wir hier ein
- großen wert und hier im großen wert das alpha test ist frei wählbar und werde jetzt zum beispiel 0,1 völlig abstrakt aber wenn der ausgang hier
- großes und gleichzeitiger fehler groß ist wird hier eine große änderung entstehen gegenüber einem neuen bei dem der ausgang hier klein war
- und der fehler vielleicht gleich groß war bei dem eine kleinere änderungen entstehen wird das heißt die gewichte die quasi den fehler am schlimmsten
- erzeugt haben durch den ausgang werden stärker korrigiert als die gewichte die den fehler weniger erzeugt haben durch diese land regel selber nennt man sich
- jetzt nach und nach gewichten an die dafür sorgen also diese annäherung besorgt dafür dass dieser unterschied zwischen dem ein und dem ausgang
- möglichst gering gehalten wird möglichst klein wird weil wir hier natürlich immer auftaucht das heißt die gewichtsänderung wird erst dann sehr klein werden wenn
- tatsächlich hier der ausgang unter gewünschte wert sehr nah beieinander liegen gleichzeitig muss aber klar sein mit so in der regel das ist eine lern
- regel es gibt keinen garanten dass wir schaffen den fehler zu null zu bringen das garantiert uns erst mal niemand dem einfachen fall kann man es natürlich
- immer erreichen es keine frage da wird das system auch sehr oft dagegen laufen im komplizierten fall garantiert uns aber keiner dass wir den besten fall
- hier erreichen müssen das ist eine einfache regel der man folgen kann das aber jetzt eine bestimmte analytische vorgang um das ziel bestimmte zu
- erreichen das soll hier an der stelle im hinterkopf verankert werden natürlich für diesen fall wird auch dieses vorgehen immer möglich sehr schnell zu
- einem guten ergebnis führen hängt natürlich auch von diesem alpha mit groß wie schnell man die wert die ende wie schnell man sich anpasst man könnte
- jetzt direkt ausrechnen was man für den wert bricht weil die sehen einfach ist linear der systeme ist wollen wir aber eben nicht tun aber es hängt natürlich
- von diesem alpha ab wie schnell mal daran kommen wird das aber komplizierter ist auch jedem klar jetzt werden jetzt hier von jedem euro
- zu jedem anderen neuen und wenn doch viel mehr neuronen wären die viel mehr verbindungen produzieren hat man plötzlich ab und gewissen punkt keine
- chance mehr irgendwie vernünftig dass analytisch zu lösen und damit dann auch keinen direkten weg mehr das direkt zu berechnen vor allem wenn man sich
- vorstellt wie es bereits knapp hier können noch neuronen sein stellen wir uns das mal vor und diese neuronen hier vorne da wird jetzt wichtig kompliziert
- da kann jedes neuron mit jedem euro der nächsten schicht verbunden sein das sind alles gebe ich die man hier einführen ich kann mir alle
- anpassen und es wird natürlich umso komplizierter je mehr dieser schicht mehr haben sobald mehr schichten als nur die eingangs- und die ausgangslage
- einführen spielt man immer von dem konzept daran alleine sondern von einem multi layer passiert daran spielt aber keine große rolle im kern ist es mit was
- wir uns beschäftigen wollen wir wollen uns diese idee hier packen und überlegen wie man sie auf riesige komplizierte netzwerk übertragen
- dazu werden uns den mechanismus der bag propagieren anschauen das heißt wir rechnen uns ihren fehler aus und schauen wie sich der nach hinten in fortpflanzt
- und wie man aufgrund von diesem fehler unsere gewichte anpassen müssen am ende haben wir dann ein ergebnis eine lern regel erfunden mit der man lernen kann
- die einem aber wie gesagt nicht garantiert erstens dass man irgendetwas land dass es funktionieren kann es wird nicht garantiert zweitens auch nicht
- garantiert dass man das beste ergebnis erzielt am ende trotz allem ist es sehr erfolgreich dieses system der neuronalen netze zeigt
- sich nicht zuletzt darum menschen selber um den tieren die alle mit neuronalen netzen sehr gut funktionieren
Zum Nachlesen
BackpropagationFehlerrückführung bzw. Rückpropagierung ist ein verbreitetes Verfahren zum Einlernen künstlicher neuronaler Netze. Es gehört in der einfachen Form zur Gruppe …
Künstliches neuronales NetzEin künstliches neuronales Netz besteht aus mehreren künstlichen Neuronen, die miteinander verbunden sind und in der Regel in Schichten organisiert werden. Im …
Multi-Layer-PerzeptronDer Backpropagation-Algorithmus wird oft verwendet, um die Gewichtsaktualisierung zu berechnen. Der Backpropagation-Algorithmus nutzt das Konzept der …
PerzeptronDas Perzeptron (nach engl. perception, „Wahrnehmung“) ist ein vereinfachtes künstliches neuronales Netz, das zuerst von Frank Rosenblatt 1957 vorgestellt …