MiniSun – Deckenleuchte Runde und 3-flammige Deckenleuchte – mit verstellbaren Spots und einem verchromten Finish im industriellen Retrostil – Deckenstrahler 66531a

Kindertapete - Mia and Me - Mia und Onchao mit den Einhörnern von Centopia - Vlies Fototapete Breit, Größe HxB 190cm x 288cm,

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.

Lucide CONCRI LED - Schreibtischlampe - LED - GU10 - 1x5W 2700K - Schwarz,
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?

Ofenrohr Rauchrohr Erweiterung Ø 120-180mm, lackiert gußgrau,

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.

Artland Analoge Wand-Funk-oder Quarz-Uhr Digital-Druck Leinwand auf Holz-Rahmen gespannt mit Motiv D. Kreatives Element Schwarz Weiß für Ihr Art-Design Abstrakt Motiv Digitale Kunst Schwarz Weiß C0PK,
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.


Kinderwagenkette für Mädchen mit Wunschnamen - Geschenk zur Taufe, Geburt (Rosa, Grau, Weiß),

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:

Feeby. Leinwandbild, Bilder, Wand Bild - 4 Teile - Panoramabild, Wandbilder, Kunstdruck 160x40 cm, FUßBALL, SPORT, BRAUN,

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).

MiniSun – Deckenleuchte Runde und 3-flammige Deckenleuchte – mit verstellbaren Spots und einem verchromten Finish im industriellen Retrostil – Deckenstrahler 66531a 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.

Old World Weihnachten Kiwi Glas geblasen Ornament,
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.

    Dieser Artikel passt für Ihre .

    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.

    HANSE Home Designer Velours Läufer Glam, Polypropylen, Braun, 80 x 250 x 0.9 cmFeeby Frames, Leinwandbild, Bilder, Wand Bild - 4 Teile - Wandbilder, Kunstdruck Typ C, 120x80 cm, EIFFELTURM, PARIS, LANDSCHAFT, NATUR, BÄUME, PARK, KUNST, FARBE,Vintage Wandleuchte Wandlampe Industrie Wand Lampen Water Pipe Industrial Wandleuchte mit 3 Lichter Vintage Retro Wasser Rohr lamp Retro Dekor Wandleuchte (ohne Birne),2 x Goldankauf Poster Plakate DIN A1 Werbung für Juweliere,QAZQA Modern Deckenventilator mit beleuchtung und fernbedienung Bora 52-flammig silber Innenbeleuchtung Wohnzimmerlampe Schlafzimmer Küche Kunststoff Metall Rund LED geeignet E27 Max. 2 x 20,Zippo 1.FC Köln-Fussball-Club-Chrome high Polished-Gravur Sturmfeuerzeug, Silber, 6 x 4 x 2 cm,Gardinenstange 320 cm 2 läufig 16 mm mit Endstücken Zylinder und Standard inklusive 64 Ringen Deckenmontage,Mendler Servierwagen HWC-C64, Küchenwagen Barwagen Teewagen Transportwagen Rollwagen, Metall 79x44x35cm schwarz,Led Strips 5m, LED Streifen SK6812 (WS2812B) 300 Pixel 5050 DC 5V SMD RGB Nicht wasserdichtDesigner Teppich Modern Dalarna Design in Stripes Blau Beige, GUT Siegel Zertifiziert, Größe 140x200 cm,Posterlounge Leinwandbild 80 x 40 cm Hochland Rind in den Highlands von Art Couture - fertiges Wandbild, Bild auf Keilrahmen, Fertigbild auf echter Leinwand, Leinwanddruck,Bilderrahmen Barockrahmen Nepal 61x91,5cm Schwarz (matt),Römische Göttin Fortuna bronziert Sammel Figur,Xantron Wandhalterung für TV Monitore 37-70" vollbeweglich, ausziehbar, schwenkbar, neigbar, drehbar, STRONGLINE-960,Brilliant Rider Standleuchte 1,5m dekorative Stehleuchte schwenkbar schwarz, 1x E14 geeignet für Tropfenlampen bis max. 28W,LED Deckenleuchte Kaltweiss Deckenlampe Schlafzimmer - 18W Macaron Design 1200Lumen WohnzimmerVClife® Teppich Kinderteppich Spielteppich Kinder Baby Krabbeldecke Polyester Yoga Training Schlafzimmer Wohnzimmer Dekoartikel Balkon Picknick Ganzjährig 145 x 200cm Fuchs,Severin Stehtisch Quick-Table rot, Stehbiertisch, Bistrotisch,Aubry Gaspard Spiegel Blume aus Rattan Ø 54 cm,Easy-Shadow Dachfenster Abdunkelungsrollo Basis Rollo Thermo für Typ Roto WDF Designo R6 R8 R84 R85 R86 R88 R89 R6_K H R8_K H R8_K H SR Größe 7 14 - in der Farbe creme,Printalio Wunschtext - Pusteblumen grau - Schmutzmatte Bodenvorleger Fußmatte Türmatte Abtreter Abstreifer gummierter Rand Rutschfest Waschbar individuell 85 cm x 60 cm,LED Lampe Kinderzimmer Decke Pendelleuchte Welt 42722 Warmweiß 1750lm Mädchen & Jungen,Stuhl skandinavischen Kinder – H. 56,5 cm – weißWJX&Likerr Wasserdichte Stretch sofabezug,Universelle Couch Cover volle Deckung Sofa Handtuch Kombination Sofa slipcover Dicke Kinder Haustier Sofa Protektor-Schwarz 2-Sitzer 145-185cm(57-73inch),Kinzler J-10008 33 kiwigrün Badematte, Mikrofaser, Kiwi, 80x150 cm,Le Toy Van Spielteppich Ritter 100 x 150 cm,Dpm Fragrance Capri Blau EXOTIC BLOSSOM & BASIL GILDED MUSE SCENTED CANDLE GOLD, Duftkerze im Glas (Soja-Wachs),Gardinenstange 25 mm 1-Lauf Edelstahloptik Metall, 400,Grund Badteppich 100% Baumwolle, ultra soft, rutschfest, ÖKO-TEX-zertifiziert, 5 Jahre Garantie, MANHATTAN, Badematte 70x120 cm, grau,VERCART Sessel Schlafsofa für Kinder In Outdoor Sitzsäcke Kissen Sofa Sofakissen Hocker Sitzkissen Bodenkissen mit Styropor Füllung Möbel Größe L

    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.