Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen der Seite angezeigt.

--- faecher:informatik:oberstufe:machine_learning:einfuehrung_nn:start [09.05.2023 14:43] – Marco Kuemmel
+++ faecher:informatik:oberstufe:machine_learning:einfuehrung_nn:start [12.09.2023 16:44] (aktuell) – Marco Kuemmel
@@ Zeile 1: / Zeile 1: @@
+((Quelle siehe: [[faecher:informatik:oberstufe:machine_learning:einfuehrung_mit_membrain:start|Einführung in Maschinelles Lernen mithilfe von MemBrain]] ))
+<WRAP center round important 90%>
+Orientiere dich bei der Bearbeitung der Arbeitsblätter am **WIKI**! Lies hier genau welche Aufgabe als nächstes bearbeitet werden soll und lies zwischen den Aufgaben (falls vorhanden) erst hier die nächste Information.
+</WRAP>
 ===== Wie funktioniert die Informationsverarbeitung und -weiterleitung im Gehirn? =====
@@ Zeile 5: / Zeile 10: @@
 {{:aufgabe.png?nolink  |}}
 === Arbeitsblatt 1) ===
 Bearbeite das folgende Arbeitsblatt.
-Nutze für die Aufgabe 1 u. a. die folgende Seite: http://www.biologie-schule.de/nervenzelle-neuron.php
+Nutze für die Aufgabe 1 u. a. die folgende Seite: http://www.biologie-schule.de/nervenzelle-neuron.php
 {{ :faecher:informatik:oberstufe:machine_learning:einfuehrung_nn:ab_1_-_gehirn.pdf |}}
@@ Zeile 18: / Zeile 23: @@
 {{:aufgabe.png?nolink  |}}
 === Arbeitsblatt 2) ===
-Besorge dir das folgende Arbeitsblatt "AB 2 - Maschinelles Lernen und neuronale Netze - Grundlagen"
+Besorge dir das folgende Arbeitsblatt "AB 2 - Maschinelles Lernen und neuronale Netze - Grundlagen".
 {{ :faecher:informatik:oberstufe:machine_learning:einfuehrung_nn:ab_2_-_informationsweiterleitung.pdf |}}
@@ Zeile 48: / Zeile 53: @@
 ++++
-{{simplefilelist>.:*}}
+===== Künstliches neuronales Netzwerk =====
+Wenn wir mehrere (künstliche) Neuronen hintereinander schalten und vielfach miteinander verknüpfen, dann bildet sich ein neuronales Netzwerk. Gegenüber einem einzelnen Neuron kann ein solches Netzwerk wesentlich komplexere Zusammenhänge in den Eingabedaten berücksichtigen.
+{{ :faecher:informatik:oberstufe:machine_learning:einfuehrung_nn:nn_example1.png?600 |}}
+Typischerweise werden Neuornale Netze (NN) so dargestellt, dass die Daten von links nach rechts laufen.
+  * Der **Input-Layer** hat keine wirkliche Funktion (insb. keine Aktivierungsschwelle), sondern liefert nur die "nackten" Eingabedaten.
+  * Der **Hidden-Layer** (davon muss mindestens einer existieren, um von einem Netzwerk sprechen zu können), ist notwendig, um komplexere Zusammenhänge zwischen den Eingabedaten berücksichtigen zu können. Er ist versteckt (hidden), da man ihn von außerhalb nicht direkt erkennen kann, da man nur mit der Ein- und Ausgabe zu tun hat.
+  * Der **Output-Layer** gibt schließlich das Ergebnis aus.
+{{ :faecher:informatik:oberstufe:machine_learning:einfuehrung_nn:nn_example2.png?600 |}}
+  * Wenn es mehrere Hidden-Layer gibt, dann spricht man vom **deep learning** (in etwa "tiefgehendes Lernen"). Damit können noch komplexere Zusammenhänge berücksichtigt werden, allerdings gilt **nicht** zwingend der Zusammenhang "mehr = besser"!
+  * Bei diesem zweiten Bild sieht man außerdem gut, dass alle Neuronen **benachbarter Ebenen** miteinander verbunden sind, aber **nicht** die Neuronen innerhalb einer Ebene.
+  * Zudem sieht man, dass es auch mehrere Outputs geben kann. Diese können je nach Anwendungszweck beispielsweise als Binärzahl, Koordinaten oder ähnliches aufgefasst werden.
+**Bearbeite nun die (Knobel-)Aufgabe Nr. 4 auf dem Arbeitsblatt.**
+++++Mögliche Lösung: |
+{{ :faecher:informatik:oberstufe:machine_learning:einfuehrung_nn:blatt2_aufg4_lsg.jpg?600 |}}
+++++
+<WRAP center round info 90%>
+**Erkenntnis:**\\
+Die Gewichte und Schwellenwerte kann man mit viel Aufwand bei kleinen Netzwerken manuell bestimmen. Bei großen Netzwerken wird das aber praktisch unmöglich.\\
+=> **Wir müssen dem neuronalen Netz daher das eigenständige Lernen beibringen (siehe nächstes Kapitel)!**
+</WRAP>
+{{simplefilelist>.:*.pdf}}