3.2. Überwachtes Lernen durch Training

Wenn man ein Neuron bzw. ein Neuronales Netz trainieren will, dann unterscheidet man grob 3 Phasen:

1. Der Forward-Pass

Ein definierter Input wird an die Eingänge des Neurons oder des Neuronalen Netzes angelegt. Dieser passiert dann die gewichteten Verbindungen und wird schlussendlich zum Output.

2. Die Berechnung des Fehlers

Der Output wird mit dem gewünschten Ziel (target) verglichen. Gibt es eine Abweichung bzw. ist die Abweichung größer als ein Fehlertoleranz-Parameter (fault tolerance), dann wird die dritte Phase eingeleitet.

3. Der Backward-Pass

Die einzelnen Gewichte werden angepasst. In einem Neuronalen Netz mit Hidden-Layern (s. nächstes Kapitel) spricht man von „Backpropagation“.

Für ein einzelnes künstliches Neuron kann dieser Prozess wie in Abbildung 13 dargestellt werden.

Abbildung 13 (vgl. *Q20): Lernen durch Gewichtsanpassung

Diese Phasen werden so lange wiederholt, bis entweder die Anzahl der Trainingseinheiten (Epochen genannt) oder für alle der möglichen Inputs das gewünschte Ziel erreicht ist.

- 11 -