Aufbau eines Netzes

Mehrere Neuronen werden zu einer Schicht auch Layer genannt zusammengefasst. Neuronen in einem Layer führen die gleichen mathematischen Rechenoperationen durch und verwenden dieselbe Aktivierungsfunktion. Generell wird zwischen dem Input Layer, dem Output Layer und dem Hidden Layer unterschieden.

• Das Input Layer verarbeitet die originalen Eingangsdaten (Rohdaten) in einem neuronalen Netz. Daher bildet das Input Layer die erste Schicht eines neuronalen Netzes und definiert welches Datenformat das Netz erwartet.
• Das Output Layer ist die letzte Schicht eines Netzes. Es verarbeitet alle Eingangswerte zu einem vorgegeben Ausgabeformat. Die Ausgabewerte werden ebenfalls als Zielklassen bezeichnet.
• Alle Layer, die nicht die originale Eingabe oder direkte Ausgabe verarbeiten, werden als Hidden Layer bezeichnet. Verfügt ein neuronales Netz über viele Hidden Layer spricht man von einem tiefen neuronalen Netz (Deep Neural Network).

Abbild zeigt ein neuronales Netz mit vier Schichten. Die Schichten sind jeweils von der vorherigen Schicht abhängig. Die einzelnen Neuronen sind als runde Kreise eingezeichnet. Datenflüsse zwischen den Neuronen sind als Pfeile modelliert. Farbliche Boxen stellen die verschiedenen Schichten dar. Die jeweiligen Boxen zeigen auf, welche Neuronen zu welchen Schichten gehören.

Ressourcen

http://www.u-helmich.de/bio/neu/1/11/111/seite1111.html

http://www.deeplearningbook.org

https://jeremykun.com/2012/12/09/neural-networks-and-backpropagation/