Lyy 12 " DJ Thema Glühend Vinyl Uhr Uhr Uhr Led Mauer Licht 12 " Anpassen Name Handarbeit Mauer Uhr Geschenk Innere Zuhause Dekorativ Kunst Lampe 5beb33

CHENILLE - Türvorhänge Modell CINIGLIA - Eichmaß 80X200 90X200 95X200 100X220 120X230 130X240 150X250 - Fliegenvorhang - Kunststoff-Vorhänge - Made in (120X230, Panna e Marrone N.15),

Wenn wir im Maschinellen Lernen neuronale Netze trainieren oder aussagekräftige Dateneigenschaften erlernen, klingt das schon sehr biologisch. Doch wie funktioniert nun eigentlich dieses Lernen?

Für viele Probleme in der echten Welt gibt es keine exakte Lösung – oder es würde zu lange dauern, sie zu berechnen. Oft reicht uns eine ungefähre Lösung. Wenn ein automatisches Briefsortiersystem beim Lesen der Postleitzahl in einem von 10.000 Fällen einen Fehler macht, dann ist das schon okay.

BTV Batovi Schöne Figuren für Holz Weihnachtskrippe Zubehör, Maria Josef Weise aus Morgenland KFK,
Viele Probleme im Machine Learning lassen sich als Optimierungsprobleme betrachten: Es gibt Eingabedaten (z. B. Bilder vom Adressfeld des Briefes), gewünschte Ausgabedaten (die hoffentlich korrekte PLZ) und eine Funktion, die das eine in das andere überführt. Diese Funktion kann beispielsweise ein einfaches lineares Modell sein oder ein komplexeres Modell wie ein neuronales Netz. Letztlich ist es aber erst einmal egal, mit welcher Methode diese Abbildung modelliert wird. Wir können uns eine Blackbox vorstellen, die links die Eingaben entgegennimmt und rechts die Ausgaben ausspuckt. Wichtig ist, dass die Methode durch Parameter konfigurierbar ist. Man stellt sich am besten ein Mischpult mit vielen Drehknöpfen vor. Wir suchen nun genau die Drehknopfeinstellung, mit der das System die wenigsten Fehler macht. Nur, wie finden wir diese?

Homyl Multifunktions LED Digital Wanduhr mit Datum Temperatur 24 Stunden-Anzeige - Grün,

Eine einfache Strategie wäre, alle möglichen Parameterkombinationen auszuprobieren und aufzuschreiben, wie viele falsche Postleitzahlen unsere Blackbox mit den jeweiligen Parametern falsch zuordnet. Die gesuchte optimale Drehknopfeinstellung ist nun genau jene, die zu den wenigsten Fehlern geführt hat.

(11,98 € m) 5m LED Stripe 12V dimmbar - 90W 12000lm - SMD 1200 x 3014 -240 SMD m - IP20 selbstklebend - warmweiß (3000 K),
Je mehr Stellschrauben die verwendete Methode hat, desto größer die Zahl der zu testenden Konfigurationen. Nehmen wir ein Bild mit 1000 x 1000 Pixeln. Ein einfacher linearer Klassifikator, das Perzeptron, würde ungefähr eine Million Parameter besitzen, die beliebige Werte haben könnten. Sagen wir, wir würden für jeden Parameter nur 10 verschiedene Werte zulassen, dann gäbe es schon 101000000 Kombinationen. Zum Vergleich: man schätzt die Anzahl der Atome im Universum auf 1085. Selbst wenn die Auswertung der Funktion rasend schnell ginge und wir die Zahl der Parameter drastisch reduzieren könnten: eine Auswertung an jeder Stelle im Parameterraum dauert einfach viel zu lang. Die gute Nachricht ist: es gibt viel schlauere Strategien als das „brute force“-Verfahren.

Eine populäre Strategie im Maschinellen Lernen ist die Funktionsoptimierung mittels Gradientenabstieg.


48 Stück Spiegelfliesen Spiegelkachel Fliesenspiegel Spiegel je 20,5x20,5cm Wanddekoration Wandspiegel,

Schauen wir uns zunächst die mathematischen Grundlagen an. Funktionsgraphen helfen uns bei der Visualisierung der Berechnungen. Stellen wir uns erst einmal eine sehr einfache Blackbox vor:
Die Funktion der Blackbox kann natürlich im Allgemeinen eine sehr komplexe Funktion sein, hier soll etwas Einfaches genügen: Daten und Parameter (x und w) werden in die Blackbox gespeist und dort per Multiplikation verschaltet. Stellen wir uns weiter vor, dass wir die Ausgabe der Black Box minimieren wollen und zwar in Abhängigkeit zum Parameter w.

Im Gradientenabstieg tasten wir uns schrittweise an das Funktionsminimum – in einer Variante des Algorithmus, dem Gradientenaufstieg, gehen wir in genau die andere Richtung, um das Maximum zu finden. Der Name verrät auch schon welche Größe wir für jeden Schritt nutzen: den Gradienten. Im einfachen Beispiel oben ist der Gradient einfach die Ableitung do/dw, die angibt, wie sich die Ausgabe o verändert, wenn wir an w drehen. Da do/dw = x, können wir uns für ein gegebenes x (z. B. x = 1) berechnen, dass die Änderung der Ausgabe z immer gleich 1 ist, egal, wie der Parameter y gewählt ist. Das heißt, dass die Ausgabe der Black Box um den Wert 1 steigt, wenn y um 1 erhöht wird, was man leicht auf einem Bierdeckel nachprüfen kann.

In diesem trivialen Beispiel steckt aber Potenzial: wir können nun mit dem Gradienten do/dw für jede Parametereinstellung w ausrechnen, in welche Richtung wir uns bewegen müssen, um die Ausgabe kleiner zu machen. Der Gradient do/dw war im Beispiel positiv, also müssen wir w in die andere Richtung drehen, also in die negative Richtung, um die Ausgabe kleiner zu machen. Wir bewegen uns in die negative Gradientenrichtung.

Die künstlichen Neuronen in Neuronalen Netzwerken sind ganz ähnlich aufgebaut, wie die Box in unserem Beispiel:

Rajasthani Mosaik Glas Deko handgefertigt Deckenleuchte Aufhängen Lampe 15 x 25 cm,

Die Eingabe x wird nun allerdings mit dem Parameter w (das sogenannte Kantengewicht) multipliziert und erst dann in das Neuron gespeist, wo die Aktivierungsfunktion f die Ausgabe erzeugt. Um die Ableitung dz/dw zu berechnen, müssen wir die bekannte Kettenregel („innere mal äußere Ableitung“) anwenden, also do/dw = f’ * x. Für die populäre Sigmoid-Aktivierung wäre f’(x*w) = s(x*w)(1-s(x*w)), wobei s wieder die Sigmoide selbst ist.

Neuronale Netze besitzen aber üblicherweise mehr als nur ein Neuron. Was passiert dann mit der Ableitung? Schauen wir uns wieder ein einfaches Beispiel an:

Unsere graue Blackbox besteht jetzt aus der Verkettung zweier Aktivierungsfunktionen und die Gesamtausgabe o2 hängt jetzt von zwei Parametern w1 und w2 ab. Auch die Ableitung der Ausgabe o2 muss in diesen zwei Dimensionen berechnet werden. Der Gradient wird zu einer vektoriellen Größe, G = ( do2/dw1, do2/dw2).

Lyy 12 Schauen wir uns zunächst die Ableitung des Outputs nach w2 an. Unabhängig davon, wie viele Neurone vorgeschaltet sind, die Ableitung ist wie im vorigen Beispiel das Produkt der inneren und der äußeren Ableitung von g: do2/dw2 = g’ *o1. Die Ableitung der Blackbox nach w1 ist etwas komplexer, aber mit der Anwendung der Kettenregel leicht zu meistern: wir suchen die Ableitung von g(f(x*w1)*w2). Gehen wir von außen nach innen:

do2/dw1 = g’ * q’, wobei wir mit q’ die Ableitung des gesamten Ausdrucks f(x*w1)*w2 zusammenfassen. Diese Ableitung muss wieder über die Kettenregel erfolgen: q’ = w2 * f’ * x.

Damit haben wir die gesuchte Ableitung der Netzfunktion nach w1: do2/dw1 = g’ * w2 * f’ * x.

Bei komplexeren Funktionen wird die analytische Bestimmung des Gradienten umfangreich und ein Bierdeckel reicht meist nicht mehr aus, um den Ausdruck aufzuschreiben. Es gibt glücklicherweise eine einfache Methode, um die Kettenregel mit Hilfe des Schaubilds anzuwenden und ganz einfach durch Traversieren des Funktionengraphs die Ableitung zusammenzubauen. Der Algorithmus, unter dem Namen Backpropagation bekannt, funktioniert ganz einfach: Für ein Datum x wird im „forward pass“ die Netzausgabe berechnet, aber auch die Ableitungen der Aktivierungsfunktionen zwischengespeichert. Nun wird im „backward pass“ der Graph von von hinten nach vorne durchwandert.

Wir stecken rechts eine "1" in den Graphen, sammeln multiplikativ jedes Kantengewicht und jede gespeicherte Neuronenableitung mit ein. Kommen wir an ein Gewicht, dessen Einfluss auf die Netzausgabe wir berechnen wollen, multiplizieren wir das eingesammelte Produkt mit der Eingabe, die vor dem betrachteten Kantengewicht steht (x für w1 oder o1 für w2). Das Ergebnis ergibt die partielle Ableitung, die im letzten Schritt vom jeweilgen Kantengewicht abgezogen wird. Dies funktioniert auch mit mehreren Eingängen in ein Neuron: die aufgesammelte Ableitung bis zum Neuron wird dann eben mit einem anderen xi multipliziert.

Deckenleuchte 6-flammig Cora Farbe (Kristalle) Klar,
Dieses einfache Verfahren verringert drastisch die Rechenzeit, die wir zum Finden der optimalen Parameter benötigen. Im obigen Beispiel müssen wir die Werte der beiden Parameter w1 und w2 finden, die die Netzfunktion minimieren. Man kann sich vorstellen, man stünde auf einem Berg und soll ins Tal finden. Man könnte zwar Schrittweise eine Reihe von benachbarten Parameterkombinationen testen und jeweils das Netzwerk mit den neuen Parametern ausführen. Mit Backpropagation brauchen wir aber nur einmal die Netzfunktion auswerten und schon wissen wir, in welche Richtung es am steilsten bergab (oder bergauf) geht. Die Änderung der Gewichte ist ein Schritt in die lokal optimale Richtung. Ob man aber wirklich in das globale Optimum kommt, ist ungewiss, es kann Plateaus geben (hier weiß man einfach nicht, in welche Richtung es ins Tal geht) oder lokale Minima. In der Praxis aber zeigt sich, dass das Verfahren schnell Unmengen von Trainingsdaten prozessieren und riesige Modelle optimieren kann.

Moderne neuronale Netze haben mehrere Millionen Parameter. Google hat vor kurzem sogar eine Architektur mit 137 Milliarden Parametern vorgestellt . Dank des Backpropagation-Algorithmus können auch diese hochkomplexen Modelle mit dem Gradientenverfahren optimiert werden. In der Praxis erlauben moderne Softwarebibliotheken wie TensorFlow und Torch es Anwendern, diese Architekturen auf einem hohen Abstraktionsniveau zu beschreiben. Das Aufbauen und Optimieren der Funktionsgraphen und die Bestimmung der Gradienten werden von den Bibliotheken dann automatisch erledigt.

Die vielseitige Einsetzbarkeit des Gradientenverfahrens führt im Deep Learning dazu, dass heutzutage immer mehr komplexe Systeme „End-to-End“ trainiert werden können. Ein Beispiel: Moderne Bildklassifizierungssysteme sind heutzutage in der Regel Convolutional Neural Networks und in Sprachverarbeitungssystemen kommen immer häufiger rekurrente neuronale Netzwerke zum Einsatz. Beide Systeme können mit dem Backpropagation-Algorithmus trainiert werden, daher können sie auch gemeinsam mit dem gleichen Algorithmus trainiert werden. So können z. B. hochkomplexe Image Captioning Systeme gebaut werden, die als Eingabe ein Bild bekommen und eine passende schriftliche Beschreibung des Bildes ausgeben.

An letzter Stelle sei hier noch angemerkt, dass es zahlreiche Ansätze zur Verbesserung des Gradientenverfahrens gibt, die in diesem Artikel nicht vorgestellt wurden. So kann die Geschwindigkeit des Optimierungsprozesses oft durch Impulsverfahren oder Methoden, welche zusätzlich die zweite Ableitung verwenden, verbessert werden.

Maclean – mc-628 Halterung für Monitor LCD LED TV (33-68 cm 13-27 Zoll, 15 kg, Vesa 75 und 100),Fototapete Pferde laufen in Weiß und Schwarz XL 350 x 245 cm - 7 Teile Vlies Tapete Wandtapete - Moderne Vliestapete - Wandbilder - Design Wanddeko - Wand Dekoration wandmotiv24,4er Sets Decken Strahler Leuchten Einbau Lampen Wohn Schlaf Zimmer Glas Spots Beleuchtung blau,BIGJOKE Decke, Galaxy Tier Schmetterling, weiche Decke, Twin für Baby Jungen Mädchen Sofa Bett Couch Outdoor Camping Reisen Outdoor Leichte Polyester Mikrofaser 152,4 x 228,6 cmGoebel 66877788 Nina und Marco Figur Verträumt bei Kerzenschein,Burton Kinder YTH Metalhead Kinderrucksack,ArtboxONE Poster mit Rahmen Kiefer 45x30 cm Jason von PRI Floriano - gerahmtes Poster,Moll Grablaterne Walbeck aus Edelstahl , Höhe 21 cm 1,1 KgBilderwelten Glasbild - Kunstdruck Piet Mondrian - Komposition mit Rot, Blau und Gelb - Quadrat 1 1, Größe HxB 50cm x 50cm,Xuan - Worth Another Aufbewahrungskorb aus braunem Stoff (größe Groß),Ledscom Deckenleuchte TAURI, vierflammig inkl. 320lm LED GU10 Lampen, warm-weiß,Bilderrahmen Parma Grau 3,9 - LR - 60 x 90 cm - 500 Varianten - Alle Größen - Handgefertigt - Galerie-Qualität - Antik, Barock, Landhaus, Shabby, Modern - Fotorahmen Urkundenrahmen Posterrahmen,ZQ Gartentischabdeckung gartentisch Abdeckung Schwarze Patioabdeckung für Tisch und Stühle, Wasserdichte quadratische Außenmöbel-Sofa-Setabdeckungen abdeckplane (größe 126 126 74cm)Kusun® 15W LED Deckenleuchten Fernbedienung 2800K - 6500K Dimmable RGB Ø38cm CL819-15WFX,Modern Luxe ® Hängend Schmuckschrank Wandspiegel zum Hängen mit Tür und Magnetverschluss Wandmontage Schrank, weißTV DECKENHALTERUNG DACHSCHRÄGE HALTERUNG Wandschräge- und Wandhalterung (schwarz) Ausziehbar Neigbar Drehbar 360° fuer alle Plasma LCD LED TFT Fernseher von 30 bis 70 Zoll (76cm - 177cm) mit VESA(100x100mm bis 660x400mm)JM Textil Sofa-Schoner Mowin Größe 1 Sitzer (55cm), Farbe 07Liegenauflage Polsterauflage Gartenauflage BENIGNUS 4 Mehrfarbig 60 x 190 cm Baumwolle PolyesterAllibert 1848141 Korfu Tür Handtuch mit Befestigung chrom,GIALLO BUS - BILD - DRUCK AUF LEINWAND - ROMERO BRITTO - ABBRACCIO - 100 x 140 CM,Runder Strick Pouf Puff ø 50cm Rund extra Hoch mit Füllung Sitzkissen Sitzpouf Sitzpuff Baiba Rose Hocker Sitzhocker Fusshocker Strickhocker Bodenkissen aus Baumwolle Grob gestrickt (Beige),PINK FLOYD CD-Darstellung Limitierte Edition COA WISH YOU WERE HERE,Design Holz Decken Pendel Lampe Wohn Zimmer Beleuchtung Textil Hänge Leuchte schwarz Globo 15222H,4 Auflagen für Sessel niedrig 100x50x4 cm in grau blau gestreift SUN GARDEN Villach 20579-110 ohne SesselPendellampe, Metall grau, Messingdetails, ø25xh18cm, E27 15W,Verdunkelungsrollo Rollo Vorhang Fenster Kettenzugrollo Seitenzugrollo viele Farben Breite 60-200 cm Höhe 180 cm Stoff lichtundurchlässig verdunkelnd Metall Halter (Größe 150 x 180 cm Farbe Grau)Züny Türstopper, Buchstütze Hippo Budy, Nilpferd, Braun (1kg)E27 Retro Industrie Industrielampe Wandleuchte Wandlampe Vintage Loft Bar Cafe Wall Light (2x Cage),BFK Möbel Collection 73553 Blumenwagen Eterna, 44 x 44 x 44 cm, kernbuche massivMB GMP-1 Kindergardine für Mädchen Kinder mit Den Drei Beliebten Disney Prinzessinen Arielle, Cinderella und Schneewittchen für Kinderzimmer Mädchenzimmer Vorhänge,

Regularisierungstechniken wie Weight Decay werden oft verwendet, um zu verhindern, dass die Modelle die Trainingsdaten einfach auswendig lernen können. Und zu guter Letzt gibt es natürlich auch eine Vielzahl von anderen Optimierungsmethoden wie Reinforcement Learning, Bayesian Black-Box Optimization oder Evolutionäre Algorithmen, die in der Regel auch dann noch funktionieren, wenn sich die Gradienten des Modells nicht bestimmen lassen.

Kommentare
Einen Kommentar schreiben
Entschuldigung

Ihr Browser ist leider nicht aktuell genug.
Um diese Webseite zu benutzen, benötigen Sie einen aktuellen Browser
Wir empfehlen einen der folgenden Browser in der aktuellsten Version zu installieren.
Auf iOS Geräten sollte mindestens die Betriebssystem Version iOS 9 installiert sein.