Glossar

Deep Belief Networks (DBNs)

Was ist Deep Belief Networks (DBNs)?

Deep Belief Networks (DBNs) sind neuronale Netze aus mehreren übereinandergestapelten Schichten, die Schicht für Schicht zunächst unüberwacht vortrainiert werden, meist als sogenannte Restricted Boltzmann Machines. Geoffrey Hinton und Kollegen stellten das Verfahren 2006 vor; es zeigte, dass sich tiefe Netze effizient trainieren lassen, und trug so zum Aufschwung des Deep Learning bei. In der Praxis wurden DBNs inzwischen weitgehend von anderen Architekturen abgelöst.

Themen

neuronale Netze
Deep Learning
Geschichte der KI

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten

← Alle Begriffe

Verwandte Begriffe

Deep Learning

Deep Learning ist ein Teilbereich des maschinellen Lernens, der künstliche neuronale Netze mit vielen Schichten nutzt. Solche Netze lernen aus großen Datenmengen selbstständig, welche Merkmale wichtig sind – von Kanten in Bildern bis zu Bedeutungszusammenhängen in Texten. Deep Learning bildet die Grundlage heutiger Sprachmodelle, der Bild- und Spracherkennung sowie der maschinellen Übersetzung und benötigt meist viel Rechenleistung und Trainingsdaten.

neuronale Netze
maschinelles Lernen
+1

Künstliche neuronale Netze (KNN)

Künstliche neuronale Netze (KNN) sind Rechenmodelle aus vielen verbundenen Einheiten („Neuronen“), die in Schichten angeordnet sind und Eingaben über gewichtete Verbindungen verarbeiten. Beim Training werden die Gewichte anhand von Beispielen schrittweise angepasst, meist per Backpropagation. KNN sind die Grundlage des Deep Learning und stecken in Bilderkennung, Spracherkennung und großen Sprachmodellen. Trotz des biologischen Vorbilds funktionieren sie deutlich einfacher als das menschliche Gehirn.

Deep Learning
KI-Grundlagen
+1

Unüberwachtes Lernen

Beim unüberwachten Lernen (Unsupervised Learning) erhält ein Modell Daten ohne vorgegebene richtige Antworten und sucht selbstständig nach Strukturen. Typische Verfahren sind Clustering, das ähnliche Datensätze gruppiert, und Dimensionsreduktion, die viele Merkmale auf wenige wesentliche verdichtet. Unternehmen nutzen das etwa, um Kundengruppen zu entdecken oder ungewöhnliche Transaktionen aufzuspüren; die gefundenen Gruppen müssen anschließend fachlich gedeutet werden.

Machine Learning
Clustering
+1