Warum Convolutional Neural Network?
Gegenüber herkömmlichen nicht gefalteten neuronalen Netzen bietet das Convolutional Neural Network zahlreiche Vorteile. Es eignet sich für maschinelles Lernen und Anwendungen der Künstlichen Intelligenz mit großen Mengen an Eingabedaten wie in der Bilderkennung.
Wie funktioniert ein Convolutional Neural Network?
Ein Convolutional Neural Network verarbeitet den Input in Form einer Matrix. Dadurch sind normale neuronale Netze nicht in der Lage, Objekte in einem Bild unabhängig von der Position des Objekts im Bild zu erkennen. Das gleiche Objekt an einer anderen Position im Bild hätte einen völlig anderen Input-Vektor.
Was ist ein Dense Layer?
Der Klassifizierer ist der letzte Schritt in einem CNN. Dieser wird als Dense Layer bezeichnet, welcher ein gewöhnlicher Klassifizierer für neuronale Netze ist. Der Dense Layer tastet sich von der Poolingschicht aus abwärts. In dieser Schicht ist jeder Knoten mit jedem Knoten in der vorhergehenden Ebene verbunden.
Was ist eine Feature Map?
Ein Feature Map wird von Neuronen berechnet, die dieselbe Parameter (Gewichte und Bias) haben und dazu dienen, auf ein und dasselbe Feature zu reagieren, und zwar unabhängig von der Position im Quellbild.
Was bedeutet convolution?
Ein Convolutional Neural Network (CNN oder ConvNet), zu Deutsch etwa „faltendes neuronales Netzwerk“, ist ein künstliches neuronales Netz. Es handelt sich um ein von biologischen Prozessen inspiriertes Konzept im Bereich des maschinellen Lernens.
Warum hat die Größe der rezeptiven Felder eines CNNS Einfluss auf dessen Performance?
Die Expertin gibt praktische Empfehlungen für die Arbeit mit dem CNN und betont, die Menge der Daten, die aus einem Bild herausgelesen werden kann, hängt von der Größe des rezeptiven Felds ab: „Die Größe der verwendeten Patches ist wichtig, denn ein großes rezeptives Feld erhöht die Anforderungen an die Rechnerleistung …
Was macht ReLu?
Die ReLu ist die am häufigsten verwendete Aktivierungsfunktion in Neuronalen Netzen mit Klassifikationsproblemen. Diese Funktion gibt eine Null zurück, wenn sie eine Negative Eingabe empfängt. Ist die Eingabe positiv so gibt die ReLu genau diesen Wert weiter.
Was macht Softmax?
Softmax ist eine spezialisierte Aktivierungsfunktion für Klassifikationsnetze mit Einer-von-N-Kodierung. Erstellt ein normalisiertes Exponential (d. h. die Ausgaben summieren sich zu 1).
Was macht ein Pooling Layer?
Pooling Layer Zur Objekterkennung in Bildern etwa ist die exakte Position einer Kante im Bild von vernachlässigbarem Interesse – die ungefähre Lokalisierung eines Features ist hinreichend. Es gibt verschiedene Arten des Poolings.