Wie lernt ein künstliches Neuron?
Die Verwendung von künstlichen Neuronen ist sehr einfach, da nur die Werte für die Eingänge der künstlichen Neuronen eingegeben werden müssen. Allerdings ist die Bestimmung der geeigneten Gewichte von Hand eine zeitraubende Angelegenheit. Es gibt jedoch ein Verfahren, mit dem das Neuron trainiert werden kann; ein solches lernfähiges Neuron wird auch als Perzeptron bezeichnet.
Grundidee des überwachten Lernens des Perzeptrons:
- Die Gewichte und der Schwellenwert werden zu Beginn des Verfahrens frei gewählt.
- Für jedes eingelesene Element des Trainingsdatensatzes werden die Gewichte und der Schwellenwert mit dem Label verglichen.
- Ergebnis zu klein (0 statt 1) ⇒ Gewichte nach oben korrigieren
Ergebnis zu groß (1 statt 0) ⇒ Gewichte nach unten korrigieren - Die Gewichtsanpassung darf jedoch nicht zu schnell erfolgen, da das Gewicht dann nur dem letzten Trainingsbeispiel entsprechen würde. Aus diesem Grund wird ein Dämpfungsfaktor eingeführt, der als Lernrate bezeichnet wird - man spricht von einer moderierten Aktualisierung.
Bearbeite die nachfolgenden Schritte der Lernstrecke, um nachzuvollziehen, wie ein künstliches Neuron lernen kann.
