Aus dem Kurs: Neuronale Netze und Deep Learning – Grundlagen
So erhalten Sie Zugriff auf diesen Kurs
Werden Sie noch heute Mitglied und erhalten Sie Zugriff auf mehr als 24.900 Kurse von Branchenfachleuten.
Neuronale Netze -- "Forward Propagation"-Beispiel
Aus dem Kurs: Neuronale Netze und Deep Learning – Grundlagen
Neuronale Netze -- "Forward Propagation"-Beispiel
Wenn ein Datensatz durch das neuronale Netz geschickt wird, dann nennt man das Forward propagation, also von Eingabeknoten, danach werden Rechenschritte durchgeführt und danach bekommen wir eine Vorhersage. Ich verwende hier einen Datensatz aus dem vorherigen Kapitel, und zwar das x o Problem. Und da war der allererste Eintrag, dieser Datensatz hier mit x1 ist 1, x2 ist 0 und y soll der blaue Kreis sein. Das ist ein Datensatz, der besteht aus Features, nämlich den X-Werten und dem Wert, den wir vorhersagen möchten, nämlich Y. Neuronale Netze müssen rechnen und deswegen können wir mit blauen Kreisen nicht viel anfangen. Das heißt, das erste, was wir tun müssen, wir müssen diese blauen Kreise, diese Klassen in Zahlenwerte übersetzen. Und ich kopiere einfach diesen blauen Kreis und sage, das ist ab sofort eine 1. Das ist allerdings ein willkürlicher Wert, ich könnte den blauen Kreis auch 0 nennen, völlig egal, es geht nur darum, dass wir unterscheiden können, was ist ein blauer Kreis…
Inhalt
-
-
-
-
-
Aufbau eines einfachen neuronalen Netzes4 Min. 19 Sek.
-
(Gesperrt)
Neuronale Netze -- "Forward Propagation"-Beispiel4 Min. 35 Sek.
-
(Gesperrt)
Neuronale Netze -- Fehler ("Loss") berechnen2 Min. 7 Sek.
-
(Gesperrt)
Aktivierungsfunktionen nutzen1 Min. 44 Sek.
-
(Gesperrt)
Fehlerfunktionen ("Loss Functions") -- Überblick2 Min. 42 Sek.
-
(Gesperrt)
Binary Cross Entropy -- Beispiel1 Min. 1 Sek.
-
(Gesperrt)
Categorial Cross Entropy -- Beispiel2 Min. 41 Sek.
-
(Gesperrt)
Mean Squared Error -- Beispiel58 Sek.
-
(Gesperrt)
Cosine Similarity -- Beispiel1 Min. 18 Sek.
-
-
-