ArtificiŽle Intelligentie gebruikersgroep (AIgg)


Wat doet een neuraal netwerk?

De belangrijkste bezigheid van een neuraal netwerk is altijd het verwerken van invoergegevens tot uitvoergegevens.

Daarnaast hebben veel neurale netwerken een ander nuttig vermogen: ze kunnen leren! Verbindingen, en soms ook neuronen, kunnen namelijk hun eigenschappen aanpassen als reaktie op de signalen die er door heen vloeien. Door deze plaatselijke wijzigingen verandert ook het invoer-uitvoergedrag van het netwerk als geheel.

De aanpassingen binnen een neuraal netwerk vinden meestal plaats volgens een eenvoudig beloning/straf-systeem:

Het uitwerken van dit simpele principe kan echter in de praktijk zeer ingewikkeld zijn. Beruchte problemen zijn: wat noem je 'goed', en: hoeveel moet je de invloed van een element vergroten of verminderen? Daarnaast is er nog eens het technische probleem om dit leerprincipe in te bouwen in een specifiek netwerk. In het algemeen zal elke netwerkarchitektuur dan ook zijn eigen leermechanisme hebben.

We kunnen de leermechanismen globaal indelen in drie hoofdgroepen:


Volgende: Wat kun je met een neuraal netwerk?
Vorige: Hoe zit een neuraal netwerk in elkaar?
Terug naar inhoudsopgave