So funktionieren neuronale Netze | KI-Basics

Theoretisch können neuronale Netze jedes berechenbare Problem erlernen. Dafür müssen sie nur die geeignete Form haben, einen umfangreichen Datensatz zum Lernen und die richtigen Parameter für den Trainings-Algorithmus. Die Mathematik so simulierter Neuronen ist erstaunlich einfach und auch der Trainingsalgorithmus fußt auf einer anschaulichen Idee.

Link zu Pinas c’t-Artikel mit dem Mini-Beispiel mit nur einem Neuron: https://www.heise.de/select/ct/2019/2...
TensorFlow Playground: https://playground.tensorflow.org
Hart und Trocken - neuronales Netz: https://www.hartundtrocken.de/my-prod...

00:00 Die Vorlage: biologische Nervenzellen (Neuronen)
00:21 Vereinfacht: simulierte Neuronen
01:20 Die Aktivierungsfunktion: simuliertes Feuern
01:50 Formel komplett: die Mathematik ist fertig
02:50 Pinas Beispiel: ein Neuron, zwei Parameter
04:40 Die Loss-Funktion: Lernerfolg automatisch messen
05:44 Gradientenabstieg: Der Lernalgorithmus
06:25 Backpropagation: Die entscheidende Innovation
07:52 Ausprobieren im Browser: TesorFlow Playground
08:24 Ausprobieren im Browser: Hart und Trocken

Mit dabei: Andrea Trinkwalder, Pina Merkert

► c’t Magazin: https://ct.de
► c’t auf Mastodon: https://social.heise.de/@ct_Magazin
► c’t auf Instagram:   / ct_magazin  
► c’t auf Facebook:   / ctmagazin  
► c’t auf Bluesky: https://bsky.app/profile/heisec.bsky....
► c’t auf Threads: https://www.threads.net/@ct_magazin
► c’t auf X/Twitter:   / ctmagazin  
► c’t auf Papier: überall wo es Zeitschriften gibt!

#KI #neuralnetworks #maths