Gewicht

Inhalt

• Definition - Was bedeutet Gewicht?
• Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.
• Techopedia erklärt Gewicht

Definition - Was bedeutet Gewicht?

Die Idee des Gewichts ist ein grundlegendes Konzept in künstlichen neuronalen Netzen. Ein Satz gewichteter Eingaben ermöglicht es jedem künstlichen Neuron oder Knoten im System, verwandte Ausgaben zu erzeugen. Fachleute, die sich mit maschinellem Lernen und Projekten mit künstlicher Intelligenz befassen, bei denen künstliche neuronale Netze für ähnliche Systeme verwendet werden, sprechen häufig über das Gewicht als Funktion sowohl biologischer als auch technologischer Systeme.

Gewicht wird auch als synaptisches Gewicht bezeichnet.

Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.

Techopedia erklärt Gewicht

In einem künstlichen Neuron ist eine Sammlung gewichteter Eingaben das Vehikel, über das das Neuron eine Aktivierungsfunktion ausübt und eine Entscheidung trifft (entweder feuern oder nicht feuern). Typische künstliche neuronale Netze weisen verschiedene Schichten auf, einschließlich einer Eingangsschicht, versteckten Schichten und einer Ausgangsschicht. In jeder Schicht nimmt das einzelne Neuron diese Eingaben auf und gewichtet sie entsprechend. Dies simuliert die biologische Aktivität einzelner Neuronen, indem Signale mit einem bestimmten synaptischen Gewicht vom Axon eines Neurons zu den Dendriten eines anderen Neurons übertragen werden.

IT-Experten können mithilfe spezifischer mathematischer Gleichungen und visueller Modellierungsfunktionen zeigen, wie synaptische Gewichte in einem künstlichen neuronalen Netzwerk verwendet werden. In einem System namens Backpropagation können Eingabegewichte entsprechend den Ausgabefunktionen geändert werden, wenn das System lernt, wie man sie korrekt anwendet. All dies ist grundlegend dafür, wie neuronale Netze in anspruchsvollen maschinellen Lernprojekten funktionieren.