schoenberg - think MINI:




neuronales Netz: einfaches Beispiel mit JavaScript

erstellt am: 17.05.2018 | von: PRIVAT | Kategorie(n): Allgemein, JavaScript


Lieber XING-Kontakt, vielen Dank für Ihren Besuch!

Maschinelles lernen „Machine Learning“ ist ein Teilbereich von künstlicher Intelligenz bzw. Artificial Intelligence (englisch). „Machine Learning“ bedeutet, dass Systeme selbständig Wissen aus Erfahrungen generieren können. Die Vorteile von Machine Learning liegen darin, dass solche Systeme nicht nur exakt übereinstimmende Daten erkennen, sondern mittels Muster und Gesetzmäßigkeiten auch unbekannte Daten, sowie auch größere Datenmengen verarbeiten und beurteilen können.

Bei der Umsetzung unterscheidet man zwischen symbolischen Systemen (induzierte Regeln) und subsymbolischen Systemen (implizites Wissen) wie neuronale Netze, die auch in der Praxis sehr häufig eingesetzt werden.

Dabei erfolgt das Erlernen aus Erfahrungen durch ein sogenanntes überwachtes Lernen bzw. supervised learning (englisch). Dabei erhält der Algorithmus unterschiedliche Eingabewerte (Input-Layer) und aufgrund der anfangs zufällig festgelegten Gewichte im Netz werden Ausgabewerte (Output-Layer) ermittelt (Forwardpropagation). Entspricht diese Ausgabe nicht dem korrekten Ergebnis, so wird entweder automatisch aufgrund Trainingsdaten bzw. von einem „Lehrer“ das errechnete Ergebnis korrigiert.

Der Algorithmus errechnet dann den Fehler und passt die Gewichtungen im neuronalen Netz an (Backpropagation). Ziel ist es die Gewichte im neuronalen Netz so einzustellen, dass der Output nach der Trainingsphase (unüberwachtes Lernen) möglichst immer ein korrektes Ergebnis ausgibt.

Darunter habe ich ein sehr vereinfachtes Beispiel mit JavaScript programmiert. Dabei wird (links) eine zufällig ausgewählte Farbe eingeblendet und mittels neuronalen Netz ermittelt das Script die Farbe als Wort z.B. Orange, … Aufgrund der anfangs zufällig festgesetzten Gewichtungen, sind diese errechneten Ausgabewerte oftmals falsch. Sie können dann zum Ausprobieren (rechts) auf das korrekte Wort klicken. Anschliessend passt das Skript dann die Gewichte im neuronalen Netz an. Nach mehreren solchen Wiederholungen sollte der errechnet Ausgabewerte immer öfter korrekt sein.

Da bei diesem sehr vereinfachten Beispielskript allerdings das Problem auftritt, dass es die Farben „Orange“ und „Blau“ aufgrund errechneter Ausgabewerte beinahe nicht unterscheiden kann, lassen sich daran auch wichtige Voraussetzungen erkennen. Und zwar muss zuerst eine geeignete Abbildungsvorschrift gefunden werden, sowie auch eine optimale Anzahl der sogenannten Hidden Neurons. Da ich in diesem vereinfachten Beispiel im Hidden-Layer 2 nur 4 Bereiche eingefügt habe (zur übersichtlicheren Darstellung), führt dies auch zu soeben erwähntem Problem (Blau <-> Orange).

Hinweis: als Schwellenwert für die Aktivierung der Sigmoidfunktion (Hidden-Layer 1, Farbe Blau) habe ich einen Farbanteil (Blau) von 80 eingestellt.

Unter dem folgenden Link habe ich ein 2-seitiges Ebook zu diesem Thema erstellt. Dieses können Sie hier downloaden .. Ebook „künstliche Intelligenz“.

und hier wie immer ein Glitze-Kleines-Bisschen Werbung 🙁

schoenberg - think MINI


Virenfrei und Zertifizierung: Alle Tools auf dieser Webseite sind virengeprüft (unter https://www.virustotal.com/ mit 47 Virenscanner) und ausserdem habe ich als Urheber und verifizierter Herausgeber der Softwaretools ein Zertifikat (dieses können Sie abrufen, wenn Sie das jeweilige Softwaretool mit der rechten Maustaste als Administrator starten und dann mit 'Details anzeigen' das Sicherheitszertifikat abrufen). Hinsichtlich dieser Webseiten, Artikeln, Skripte, Tools, Ebooks, usw. gilt vollständiger Haftungsausschluss. Fehler, Irrtümer, usw. nicht ausschließbar!

vielen Dank und Ihnen schöne Grüße,

Christian Schönberg (privater Blogartikel)

XING.com - Netzwerk für Beruf und Leben     Facebook     Twitter



andere Besucher, die diesen Artikel gelesen haben, fanden auch diese Blogbeiträge interessant:

WordPress-Plugin: kleines Werbefenster unten einfügen

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Wie Sie es auf dieser Webseite ganz unten seh ......
den ganzen Artikel lesen ...


SEO-Tool online

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Dieses kleine von mir programmierte HTML-PHP- ......
den ganzen Artikel lesen ...


WordPress-Plugin: Werbebanner bei allen Artikeln anfügen

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Wenn Sie bei allen Ihren Blogartikeln unten z ......
den ganzen Artikel lesen ...


WordPress _ Blogartikel-Export-Plugin

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Vielleicht haben Sie auch einen WordPress-Blo ......
den ganzen Artikel lesen ...


CSV-Viewer mit Java für Windows, MAC und Linux

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Wenn Sie eine csv-Datei öffnen möchten, abe ......
den ganzen Artikel lesen ...


WebGL-Anwendung: Zauberwürfel

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Beinahe die meisten Webbrowser unterstützen ......
den ganzen Artikel lesen ...


mit Unity3D programmiertes Spiel

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Mit Unity3D lassen sich auch webbasierende Sp ......
den ganzen Artikel lesen ...


Flash Script: „4 in einer Reihe“ Spiel

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Mit Flash lassen sich nicht nur fix festgeleg ......
den ganzen Artikel lesen ...


PHP-Script: Bildteile freistellen (vereinfacht)

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Unter diesem Link (https://schoenberg.co.at/b ......
den ganzen Artikel lesen ...


Blockchain: einfaches Beispiel mit PHP erstellt

Lieber XING-Kontakt, vielen Dank für Ihren Besuch! Der Begriff "Blockchain" bedeutet ins Deutsch ......
den ganzen Artikel lesen ...