Künstliche Neuronale Netze
Weiter oben wurde ein einzelnes künstliches Neuron verwendet, um die Gefährlichkeit von Tieren anhand der beiden Eingangsgrößen Augen- und Zahngröße zu klassifizieren.
Dieses erste Modell soll nun auf vier Eingangsgrößen und zwei Ausgangsgrößen erweitert werden. Dazu wird folgendes künstliches neuronales Netzwerk (KNN) betrachtet:
Die Zahlen an den Kanten des Graphen sind die Gewichte, die Zahlen in den Kreisen sind die Biases der jeweiligen künstlichen Neuronen. Als Aktivierungsfunktion wird die sogenannte Sigmoid-Funktion

Layer 0 nimmt die Eingabegrößen auf und wird daher auch als Eingabelayer bezeichnet. Entsprechend wird das letzte Layer (hier Layer 2) auch Ausgabelayer genannt. Die dazwischen liegenden Layer (hier also lediglich Layer 1) sind die so genannten Hidden Layer. Das Eingabelayer leitet die Eingabewerte einfach nur unverändert an das nachfolgende Layer weiter und besitzt deshalb als einziges Layer keine Gewichte und Biases.
Soll nun ermittelt werden, ob ein bestimmtes Lebewesen, repräsentiert durch den Eingabevektor
Beachte, dass es sich bei den natürlichen Zahlen rechts oben an den Aktivierungsvektoren
Aufgabe 1
Berechne die AktivierungBei welchem der drei Lebewesen könnte es sich um einen Elefanten, einen Wolf, eine Großmutter handeln?