Was ist ein Feedforward Neural Network?
Ein Feedforward Neural Network ist ein neuronales Netzwerk aus künstlichen Neuronen, das keinerlei Rückkopplungen aufweist. Die Signale laufen bei einem solchen Netzwerk immer von der Eingangsschicht in Richtung Ausgangsschicht. Dieser Klasse von Netzwerken gehören auch Multilayerperzeptronen und radiale Basisfunktionen-Netzwerke an. Feedforward Neural Networks werden auch als vorwärts gerichtetes Netzwerk oder als vorwärts fortschreibendes Netzwerk bezeichnet. Im Gegensatz zu solchen Netzwerken spricht man bei Netzwerken mit Rückkopplungen von rekurrenten Netzwerken.
Bei einem Feedforward Neural Network gibt es Verbindungen zwischen Knoten, die keinen Zyklus bilden. Dieses Netzwerk war das erste und einfachste künstliche neuronale Netzwerk. Die Information fließt in solch einem Netzwerk immer nur in eine Richtung. Der Informationsfluss kommt von den Eingangsknoten durch die verborgenen Knoten (falls vorhanden) zu den Ausgangsknoten. Es gibt weder Zyklen noch Schleifen in solch einem Netzwerk. Es gibt Einschicht-Perzeptrone oder Mehrschicht-Perzeptrone.
Tiefe vorwärts gerichtete Netzwerke sind Teil von Deep Learning. Diese Deep Learning Modelle sollen eine gewisse Funktion approximieren und werden Feedforward genannt, weil die Information durch eine Funktion fließt und von x evaluiert wird und dann durch Zwischenberechnungen läuft, um die Funktion f zu definieren und schließlich zur Ausgabe y gelangt. Es gibt keine Feedback-Verbindungen, in denen Ausgaben des Modells zu sich selbst zurückkommen.
Warum wird ein neuronales Modell benötigt?
Ein Netzwerk von Perzeptronen wird genutzt, um ein Problem zu lösen. So gibt es Eingaben ins Netzwerk, die aus rohen Pixel-Daten bestehen von einem gescannten, handgeschriebenen Bild einer Ziffer. Wir wollen, dass das Netzwerk Gewichtungen und Bias lernt, sodass das Netzwerk in der Ausgabe korrekt die Ziffer klassifiziert. Es soll so sein, dass bei einer kleinen Änderung in der Gewichtung auch nur eine kleine Änderung in der zugehörigen Ausgabe vom Netzwerk entsteht. Das macht dann das Lernen möglich.
Wie funktioniert ein Feedforward Neural Netzwerk?
Ein Feedforward Neural Netzwerk wird in seiner einfachsten Form als ein Single-Layer-Perzeptron angesehen. In diesem Modell wird eine Serie von Eingaben gemacht, die mit ihren Gewichtungen multipliziert wird. Jeder Wert wird hinzugefügt, um eine Summe von den gewichteten Eingabewerten zu erhalten. Ist die Summe von Werten über einem spezifizierten Schwellwert (normalerweise auf null gesetzt), dann wird der produzierte Wert oft 1 sein, wohingegen falls die Summe unter den Schwellwert sinkt, die Ausgabe -1 ist. Das Ein-Schichten-Perzeptron wird sehr häufig für Klassifizierungsaufgaben eingesetzt.
