Skip to main content
main-content

2022 | Buch

Neuronale Netze kompakt

Vom Perceptron zum Deep Learning

share
TEILEN
insite
SUCHEN

Über dieses Buch

Daten sind das neue Gold - und neuronale Netze haben bereits einigen Unternehmen geholfen, diesen Schatz auszugraben. Verschaffen Sie sich mit diesem Buch innerhalb kürzester Zeit einen soliden Überblick über neuronale Netze. Nach der Lektüre dieses Buches kennen Sie den historischen Werdegang dieser leistungsfähigen Approximatoren und Sie sind vertraut mit den aktuell wichtigsten Begriffen. Des Weiteren kennen Sie die Möglichkeiten sowie die Grenzen neuronaler Netze. Dieses Buch richtet sich in erster Linie an Praktiker, die einen schnellen Einstieg in das Thema suchen, ohne parallel einen Hochschulkurs in Mathematik und Statistik zu machen.

Inhaltsverzeichnis

Frontmatter
Kapitel 1. Einführung
Zusammenfassung
Daten sind das Gold des 21. Jahrhunderts, oder Daten sind das neue Öl. Diese markanten Sprüche erfreuen sich gerade enormer Beliebtheit. Im Kern soll ausgedrückt werden, dass gesammelte Daten für Institutionen wie Unternehmen und Forschungsstätten immense Werte haben können, die es zu erschließen gilt. In diesem Kontext fällt des Öfteren der Bergriff der Neuronalen Netze, die sich zu Recht bereits auf sehr vielen Gebieten bewährt haben. Neuronale Netze sind ein Teil der künstlichen Intelligenz (KI), oder wie war das noch einmal genau? Wir beginnen dieses Kapitel darum, indem wir zunächst die Begriffe, KI, Machine Learning und Neuronale Netze sowie ihre Verbindung zu klassischen Disziplinen wie Mathematik, Statistik und Informatik sortieren. Wir werden anschließend beleuchten (in einer sehr vereinfachten Form) wie Menschen lernen und dies mit der klassischen Wissensakquise von Computerprogrammen vergleichen. Es werden die drei Begriffe Supervised, Unsupervised und Reinforcement Learning in diesem Kontext erarbeitet. In allen drei Bereichen sind Neuronale Netze eine große Bereicherung, wie wir feststellen werden. Diese flexible und universelle Einsatzfähigkeit motiviert die weitere Beschäftigung mit Neuronalen Netzen. Jedes Kapitel dieses Buches greift einen anderen Aspekt Neuronaler Netze auf. Am Ende des vorliegenden Einführungskapitels wird zusammengefasst welcher Aspekt des faszinierenden Bereichs in den folgenden Kapiteln behandelt wird.
Daniel Sonnet
Kapitel 2. Neuronale Netze
Zusammenfassung
Neuronale Netze sind keine aktuelle Erfindung. Das Thema geht bis in die erste Hälfte des vergangenen Jahrhunderts zurück. Zu dieser Zeit gab es die Informatik wie in der heutigen Form noch nicht. Darum waren es keine Informatiker, die die Forschung um Neuronale Netze initialisierten, sondern Psychologen. In diesem Kapitel wird mit einem kompakten historischen Abriss gestartet. Alles begann mit dem sogenannten Perceptron, welches bereits erstaunliche approximative Fähigkeiten besaß und eine Disziplin innerhalb der künstlichen Intelligenzforschung bildete. 1970, ausgelöst durch den sogenannten Lighthill Report erfuhr die KI-Forschung einen Dämpfer, welcher den KI-Winter einläutete. Jeder Winter wird vom Frühling verdrängt, so auch hier. Mehr- bzw. tiefschichtige Netze (Deep Neural Networks) bilden heute den Status quo. Nach diesem historischen Abriss, der entscheidend zum Verständnis dieser toller Disziplin ist, wird das Kapitel weitergeführt, indem ein paar unterschiedliche Lern- bzw. Trainingsverfahren Neuronaler Netze vorgestellt werden. Den Abschluss dieses Kapitels bildet ein Unterkapitel über besonders erwähnenswerte Netzwerktypen sowie ihre möglichen Einsatzgebiete. In diesem Kapitel werden noch einmal wichtige Fachbegriffe erörtert und den einzelnen Netzwerktypen zugeordnet.
Daniel Sonnet
Kapitel 3. Best Practice: Möglichkeiten und Grenzen Neuronaler Netze
Zusammenfassung
Neuronale Netze können Erstaunliches leisten. Egal ob in Wissenschaft oder in kommerziellen Anwendungen, sie haben sich für viele Aufgaben als fester und verlässlicher Partner bewährt. Den Netzen hilft, dass sie prinzipiell jeden Input-Output-Zusammenhang approximieren bzw. wiedergeben können. Diese universelle Approximationsfähigkeit wird zunächst mit weiteren Vorteilen in diesem Kapitel näher beleuchtet. Die vielen Vorteile haben Neuronalen Netzen den Ruf der eierlegenden Wollmilchsau beschert. Ein differenzierter Blick zeigt jedoch auch Grenzen Neuronaler Netze. Diese Grenzen werden im zweiten Teil dieses Kapitels behandelt. Jeder Mensch mit der Intention der Nutzung Neuronaler Netze ist gut beraten, die Grenzen und Nachteile zu kennen, denn eine voreilige Festlegung auf diese Technologie kann zeit- und ressourcenintensiv sein.
Daniel Sonnet
Kapitel 4. Ausblick:  Mögliche Entwicklungen für Neuronale Netze
Zusammenfassung
Neuronale Netze sind ein weltweit aktuell erforschtes Thema. Alle involvierten Wissenschaftler*innen eint das Ziel, Neuronale Netze entweder transparenter, leistungsfähiger oder universeller einsetzbar zu gestalten. Dieses Kapitel versucht, einen Blick nach vorne zu werfen und sich derzeitig abzeichnende Trends zusammenzufassen. Es ist sicher, dass Neuronale Netze bzw. ihre Einsatzmöglichkeiten sich in der Zukunft verändern werden. So wie jede Prognose ist auch die hier getroffene Prognose mit Unsicherheit belegt. In dem hier zusammengestellten Ausblick wird zum einen das Thema, wie Neuronale Netzwerke funktionieren und optimiert werden können, und zum anderen das Thema, wie ein Blick in die Black Box der Neuronalen Netze möglich werden könnte, thematisiert.
Daniel Sonnet
Kapitel 5. Quick Start Guide Neuronale Netze und Fallstudien
Zusammenfassung
Es ist hoffentlich gelungen, dass Sie als Leser*in nun gänzlich von den vielen Vorteilen Neuronaler Netze begeistert sind. Es juckt Ihnen in den Fingern, selbst für Ihre Fragestellung die Möglichkeit des Einsatzes eines Neuronalen Netzes zu evaluieren. Der Einstieg kann dabei sehr unkompliziert sein. Gänzlich ohne Programmierkenntnisse können Sie mit der richtigen Software erste reale Prototypen erstellen und diese auf ihre Eignung im Praxisalltag evaluieren. Damit Ihr Start gut gelingt, beginnen wir dieses Kapitel mit einem Quick Start Guide. Das Ziel ist die Vermittlung eines praktischen Leitfadens für die Implementierung von Projekten mit Neuronalen Netzen. Das Kapitel wird fortgeführt mit Fallstudien aus unterschiedlichen Bereichen zum Einsatz Neuronaler Netze. Auch hier werden Sie ohne Programmierkenntnisse die Ergebnisse reproduzieren können.
Daniel Sonnet
Backmatter
Metadaten
Titel
Neuronale Netze kompakt
verfasst von
Prof. Dr. Daniel Sonnet
Copyright-Jahr
2022
Electronic ISBN
978-3-658-29081-8
Print ISBN
978-3-658-29080-1
DOI
https://doi.org/10.1007/978-3-658-29081-8

Premium Partner