Hallo ich bin das erste Mal hier auf dem Forum. Ich hätte hier gerne einen Thread erstellt für Neuronale Netze, Ideen dazu und so weiter. Da ich selber mich an einem probieren beziehungsweise schon damit angefangen habe. Dabei benutze ich die Psprache C++, aber ich möchte hier nur theoretische Fragen stellen.
Eine Frage dazu ob ich das mit dem Backpropagation Funktion verstanden habe. Man hat das Ergebnis und gibt ihm als Input das verfälschte Ergebnis und lässt es dann lernen (Gewichte durch Maxima Funktionen verändern). Kann ich dann theoretisch dem Netz alles lernen. (Hindernisse ausweichen, usw.)
Weiters würde ich mich über gute Quellen zu diesem Gebiet freuen vor allem wo die Herleitung der Funktionen genau und einfach beschrieben ist, denn die habe ich nicht ganz verstanden
mir erscheint dieses Thema sehr interessant! Gibts vielleicht irgendwo eine Anleitung/Buch, in welchem beschrieben wird, wie man diese Netze in C/C++ umsetzt?
Wie hast du damit angefangen?
mich würde schonmal ein kleines basiswissen interessieren.. am besten eine seite wo recht simpel erklärt wird wie soetwas funktioniert... oder aufgebaut ist.
Mich würde es auch interessieren wie du ein Neuronales Netz in C++ programmierst.
@Bammel: Ein guter Einstieg liefert D. Kriesel. Ist mit fast 200 Seiten sehr umfangreich, aber auch so ziemlich das Beste was es im deutschsprachigen Raum gibt Mich stört blos die zweispaltige Schreibweise... Aber sonst sehr informativ. (Bin noch selber nicht ganz durch, ist an manchen Stellen doch seehhhrr mathematisch das Ganze )
Das ist ein sehr schönes Skript. Man muß nicht gleich alles von vorne bis hinten verstehen.
Für das angesprochene Backpropagation ist meine Meinung nach von Interesse:
das Perzeptron
das SingleLagenPerzeptron
das MultilagenPerzeptron
die Aktivierungsfunktion
Deltaregel
Zum Verständniss der linearen Separierbarkeit helfen die graphischen Darstellung wie Abb. 5.10
Es hilft sehr sich das geometrisch vorzustellen bzw. zu visualisieren.
Die Programmiersprache ist eigentlich total egal. In einer objektorientierten Sprache wie C++ lässt es sich eben leichter strukturieren. Wenn man das NN im Prinzip verstanden, sollten zur Implementierung kaum Fragen offen sein.
Das Thema ist auch für mich interessant. Die theoretischen Grundlagen hab ich soweit verstanden, aber: Worauf niemand irgendwo eingeht, ist, wie man sich die Geometrie eines Netzes für ein bestimmtes Problem herleiten kann.
Weiß jemand Rat?
Von irgendwelchen Faustregeln, wie man bestimmte Problemstellungen geometrisch auflöst, habe ich eigentlich noch nirgends etwas gesehen. Das beruht ansich mehr auf Erfahrung und Durchprobieren.
In den meisten Fällen wird man im üblichem Aufbau in der Eingabeschicht für jeden sensorischen Input ein Neuron nehmen, in der Ausgabeschicht für jeden Output jeweils eines, und in einer Mittelschicht auch ein paar, wobei man nicht sagen könnte, ob das Netz mit 20 oder erst mit 21 Neuronen funktioniert... könnte auch mit 30 oder nur 10 noch gehen (Hausnummern).
Mindestens gleich wichtig wie die Auswahl der Neuronenverteilung und Synapsen ist auch die Auswahl der Trainingsdaten sowie eine ausreichende Menge davon.
Mein neuronales Netz funktioniert noch nicht, bzw. wahr ich in letzter Zeit ein wenig faul. Mein eigentliches Prinzip wäre aber folgendes:
1.) Grundlegend ist das Perzeptron. (mehrere Eingänge, einen Output)
2.) Weiters kommen die Schichten die aus Perzeptronen in einer Schicht bestehen. Die Schichten dienen dazu, dass (das Programm, Mensch, Formel) weiß welches Perzeptron zu welcher Schicht gehört. Da ja Neuronale Netze normalerweiße Schichtweiße arbeiten.
3.) Als letztes verbinde ich die Schichten zu einer Neuronenmatrix. Damit ich weiß in welcher Reihenfolge die Schichten kommen.
Bild dazu im Anhang.
Die Verbindung stelle ich durch Zeiger her. Beispiel zur Grafik: Wir nehmen Perzeptron 1 und 2. Nun hat Perzeptron 1 als Input die Werte der Neuronen 1, 2 und 3 und als Output den Wert von Neuron 4. Das Perzeptron 2 hat als Input den Wert der Neuronen 4, 5 und 6. Der Wert von Neuron 4 ist somit sowohl Output von Perzeptron 1 und Input von Perzeptron 2.
Programmiertechnisch habe ich das mit Zeiger gelöst. Das heißt das das Perzeptron 1 einen Zeiger (Output) auf den Wert von Neuron 4 hat und Perzeptron einen Zeiger (Input) auf das Neuron 4 hat.
Hoffe das war verständlich geschrieben. Weitere Schritte sollten ziemlich logisch sein wenn man das Prinzip seines Lernalgorythmus verstanden hat. (Backpropagation, usw.)
Hi, ich habe eine frage , wie kann man überhaupt ein Trenngrade h rechnen?
ich habe 2 Netze (in Koordinaten System) und ich soll ein Trenngrade für beide Netze rechnen , mit den Augen kann man ein Lineare Trennung erkennen aber , ich soll das rechnen ...
danke
Zitieren
Mich stört blos die zweispaltige Schreibweise... Aber sonst sehr informativ. (Bin noch selber nicht ganz durch, ist an manchen Stellen doch seehhhrr mathematisch das Ganze 
)
Lesezeichen