Approximationstheorie
Approximationstheorie
Approximationstheorie
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
8.4 Neuronale Netze 177<br />
w = (w0, . . . , wn) und 224 x = (1, x), denn dann wird (8.18) zu<br />
f(x) = ϕw(x) = ϕ w T x , x ∈ R n . (8.19)<br />
Beispiel 8.14 (Aktivierungsfunktionen) Typische Aktivierungsfunktionen für neuronale Netze<br />
sind<br />
1. ϕ(x) = sgn x, also<br />
ϕw(x) = 1 ⇔ 0 < w T x = w0 +<br />
n<br />
j=1<br />
wj xj ⇔<br />
n<br />
wj xj > −w0,<br />
das Neuron feuert also, wenn das innere Produkt größer als eine Aktivierungsschwelle,<br />
auf englisch Threshold .<br />
2. ϕ : R → [0, 1] strikt monoton steigend, also sozusagen eine kontinuierliche Aktivierung<br />
im Gegensatz zur Sprunfunktion x ↦→ sgn x.<br />
3. Ein konkrete Aktivierungsfunktion von dieser Art ist die Sigmoidfunktion<br />
siehe [3] bzw Abb. 8.7.<br />
σ(x) =<br />
j=1<br />
1<br />
, (8.20)<br />
1 + e−x Ein neuronales Netzwerk besteht nun aus einer beliebigen Anzahl von Lagen, auf Englisch als<br />
Layer bezeichnet, die man erst einmal als Funktionen f : R n → R m bezeichnen könnte. Soweit<br />
ist das nicht spektakulär, aber jeder dieser Layer soll eine einfache Struktur haben und nur<br />
auf einem Neuron beruhen. Und zwar werden alle Eingabedaten gewichtet in Kopien desselben<br />
Neurons geführt, siehe Abb. und die Resultate als Ausgabewerte genommen. Mathematisch ist<br />
so ein Layer also als<br />
ℓ(x) = ϕw(j)(x) : j = 1, . . . , m =<br />
⎡<br />
⎢<br />
⎣<br />
ϕ w(1) T x <br />
.<br />
ϕ w(m) T x <br />
dargestellt. Es gibt zwei spezielle Typen von Layern, nämlich<br />
⎤<br />
⎥<br />
⎦ , w(j) ∈ R n+1 , j = 1, . . . , m,<br />
(8.21)<br />
Eingabelayer, bei denen m = n und w(j)k = δjk ist, wo also alle Eingabekanäle einmal<br />
durchs Neuron gejagt werden und<br />
Ausgabelayer, bei denen m = 1 ist, also einfach die Eingangskanäle gewichtet aufsummiert<br />
und dann durch das Neuron “gefiltert” werden.