CNN (convolutional neural network)

Ein Convolutional Neural Network (CNN) stellt ein künstliches neuronales Netz dar. Übersetzt steht es für ein faltendes neuronales Netz, wobei sich die Faltung auf die Convolutional Schichten bezieht.


CNN-Netze eignen sich für Machine Learning und werden in künstlicher Intelligenz in der Bilderkennung, Audioverarbeitung und Spracherkennung eingesetzt. Ihre Funktionsweise orientiert sich an menschlicher Denkweise. Sie bestehen aus mehreren Schichten: Convolutional-Schicht, Pooling-Schicht und vollvermaschte Schicht. Die Convolutional- und die Pooling-Schicht können mehrfach hintereinander vorhanden sein und bilden vermaschte Teilnetze.

Die Convolutional-Schicht hat für die Eingangsdaten diverse Filterfunktionen. So kann die Convolutional-Schicht die Dateneingabe auf bestimmte Merkmale hin extrahieren. Bei Grafiken kann eine solche Filterfunktion beispielsweise die Pixelgröße, bestimmte Farben oder geometrische Funktionen filtern. Es werden Feature Maps gebildet, die durch die Gewichtung einzelner Merkmale unterschiedliche sind. In der Spracherkennung kann es sich bei der Extraktion von Merkmalen beispielsweise um Phoneme, Tonhöhen, den Sprachrhytmus oder andere charakteristische Sprachmerkmale handeln. In der Pooling-Schicht wird die Anzahl an Merkmalen und deren spezifischen Ausprägungen reduziert. Des Weiteren wird die Datenmenge zur Erhöhung der Bearbeitungsgeschwindigkeit von nicht relevanten Daten entlastet. Die dritte und letzte Schichtebene, die vollvermaschte Schicht, ist mit allen Merkmalen der beiden vorher genannten Schichtebenen und mit den Ausgabemerkmalen verknüpft.

Informationen zum Artikel
Deutsch:
Englisch: convolutional neural network - CNN
Veröffentlicht: 02.05.2019
Wörter: 206
Tags: #Netzwerkkonzepte
Links: Bilderkennung, Daten, Farbe, Filter, Grafik