Maschinelles Lernen - Künstliche Neuronale Netze

Die Idee der künstlichen neuronalen Netze wurde von den neuronalen Netzen im menschlichen Gehirn abgeleitet. Das menschliche Gehirn ist sehr komplex. Die Wissenschaftler und Ingenieure untersuchten das Gehirn sorgfältig und entwickelten eine Architektur, die in unsere digitale Welt der Binärcomputer passen könnte. Eine solche typische Architektur ist in der folgenden Abbildung dargestellt -

Es gibt eine Eingabeschicht mit vielen Sensoren zum Sammeln von Daten aus der Außenwelt. Auf der rechten Seite haben wir eine Ausgabeschicht, die uns das vom Netzwerk vorhergesagte Ergebnis liefert. Zwischen diesen beiden sind mehrere Ebenen versteckt. Jede zusätzliche Schicht erhöht die Komplexität beim Training des Netzwerks, würde jedoch in den meisten Situationen bessere Ergebnisse liefern. Es gibt verschiedene Arten von Architekturen, die wir jetzt diskutieren werden.

ANN-Architekturen

Das folgende Diagramm zeigt mehrere ANN-Architekturen, die über einen bestimmten Zeitraum entwickelt wurden und heute in der Praxis sind.

Quelle:

https://towardsdatascience.com/the-mostly-complete-chart-of-neural-networks-explained-3fb6f2367464

Jede Architektur wird für einen bestimmten Anwendungstyp entwickelt. Wenn Sie also ein neuronales Netzwerk für Ihre Anwendung für maschinelles Lernen verwenden, müssen Sie entweder eine der vorhandenen Architekturen verwenden oder Ihre eigene entwerfen. Die Art der Anwendung, für die Sie sich endgültig entscheiden, hängt von Ihren Anwendungsanforderungen ab. Es gibt keine einzige Richtlinie, die Sie auffordert, eine bestimmte Netzwerkarchitektur zu verwenden.