Künstliche Neuronen leicht verständlich mit Excel
(blog.ncsoft.com)Der NCSoft-Spieldesigner Kim Hwan-hee hat in einer dreiteiligen Beitragsreihe im NCSoft-Blog künstliche Neuronen, wie sie in künstlichen neuronalen Netzen verwendet werden, mit einer Tabellenkalkulation implementiert und zeigt, wie sich mit diesem Neuron durch wiederholtes Training NOT-, AND- und OR-Gatter umsetzen lassen. Außerdem erwähnt er am Ende der Reihe das „XOR-Problem“, eine typische Einschränkung künstlicher Neuronen – dass sich ein XOR-Gatter nicht mit einem einzelnen künstlichen Neuron implementieren lässt – und weist kurz darauf hin, dass zur Lösung mehrere Neuronen schichtweise zu einem mehrschichtigen neuronalen Netz aufgebaut werden. So regt der Beitrag zum weiteren Lernen an.
Zur Einordnung: Das hier verwendete künstliche Neuron basiert auf dem Perzeptron, einem frühen künstlichen neuronalen Netz, das Frank Rosenblatt 1958 vorgeschlagen hat, wobei lediglich die Aktivierungsfunktion von einer Stufenfunktion (Step function) auf eine Sigmoidfunktion (Sigmoid function) geändert wurde. In diesem Fall ist das künstliche Neuron identisch mit dem in der Statistik bekannten Modell der binären logistischen Regression (Binomial Logistic Regression). (siehe https://ratsgo.github.io/machine%20learning/2017/04/02/logistic/)
[Hauptteil]
[Google Tabellen]
2 Kommentare
Wo wir gerade davon sprechen: Ich füge noch einen Link hinzu, der das Perzeptron einfach erklärt.
https://sacko.tistory.com/10
Ich stelle die Links separat als Kommentar bereit.
[Hauptteil]
Teil 1: https://blog.ncsoft.com/?p=39696
Teil 2: https://blog.ncsoft.com/?p=39823
Teil 3: https://blog.ncsoft.com/?p=40075
[Google Tabellen]
Teil 1: https://docs.google.com/spreadsheets/d/…
Teil 2: https://docs.google.com/spreadsheets/d/…
Teil 3: https://docs.google.com/spreadsheets/d/…
Zur Info: Teil 3 enthält viele Simulationswiederholungen, daher ist die Tabelle recht schwerfällig. Bitte beim Öffnen berücksichtigen.