Künstliches Neuronales Netzwerk (KNN)
Ein Neuronales Netzwerk ist der Funktionsweise eines Gehirns nachempfunden und besteht alleine aus einzelnen Neuronen und ihren Verbindungen untereinander.
Seine Stärken sind die Muster- und Gesichtserkennung. Ein klassischer Computer hat Schwierigkeiten damit, Gesichter von Individuen korrekt zuzuordnen und ist auf vielerlei Bedingungen angewiesen z.B. eine gute Bildqualität, das kennt man vom biometrischen Passfoto. Dieses muss aus einer bestimmten und optimalen Perspektive das Gesicht zeigen. Zusätzlich können Emotionen und damit einhergehende Gesichtsverzerrungen die Erkennungswahrscheinlichkeit negativ beeinflussen. Wir Menschen dagegen, können ein Individuum in allen Gefühlslagen, auch bei Dunkelheit und von der Seite zuverlässig erkennen.
Der Aufbau eines Neuronalen Netzes
Es gib drei verschiedene Typen von Neuronen, auch Units genannt.
Input-Units: Nehmen das Eingangs-Signal entgegen. Im Falle der Bilderkennung wird dort die digitale Signatur (Eingangs Vector) des Bildes angelegt.
Hidden-Units: Sind beliebig viele Schichten von Neuronen zwischen dem Input- und den Output-Neuronen. Die Informationen die dort liegen, sind von außen nicht sichtbar.
Output-Units: Sie liegen außen und repräsentieren das Endergebnis, welches nach außen getragen wird. (Ausgangs Vector)