{"id":192928,"date":"2024-02-29T10:03:52","date_gmt":"2024-02-29T09:03:52","guid":{"rendered":"https:\/\/liora.io\/de\/?p=192928"},"modified":"2026-02-06T05:59:59","modified_gmt":"2026-02-06T04:59:59","slug":"backpropagation-alles-ueber-diese-trainingsmethode-fuer-neuronale-netze","status":"publish","type":"post","link":"https:\/\/liora.io\/de\/backpropagation-alles-ueber-diese-trainingsmethode-fuer-neuronale-netze","title":{"rendered":"Backpropagation: Alles \u00fcber diese Trainingsmethode f\u00fcr neuronale Netze"},"content":{"rendered":"<style>\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><p><strong>Backpropagation ist ein wichtiges Werkzeug f\u00fcr Deep-Learning-Anwendungen. Durch Backpropagation kann ein Vorhersagealgorithmus st\u00e4ndig verbessert werden, wodurch Fehlerquoten immer weiter eliminiert werden.<\/strong><\/p>\t\t\n\t\t<p>Wie du vielleicht wei\u00dft, sind<a href=\"https:\/\/liora.io\/de\/neuronale-netze-automatische-suche-nach-neuronaler-architektur-unser-leitfaden\"> k\u00fcnstliche neuronale Netze (artificial neural network)<\/a> einer der beliebtesten Ans\u00e4tze im <a href=\"https:\/\/liora.io\/de\/deep-learning-oder-tiefes-lernen-was-ist-das-denn\">Bereich des Deep Learning<\/a> &#8211; einer Disziplin, die eine Maschine dazu bringt, Probleme zu l\u00f6sen, indem sie bestimmte Funktionen des menschlichen Denkens simuliert. Manche werden fragen: Was hat das Wort k\u00fcnstlich in diesem Ausdruck zu suchen? Es ist so, dass diese Technologie die Art und Weise widerspiegelt, wie unsere eigenen logischen Mechanismen im wirklichen Leben funktionieren. Wir konstruieren instinktiv Modelle, um Probleme besser l\u00f6sen zu k\u00f6nnen.<\/p><p><a href=\"https:\/\/liora.io\/de\/neuronale-netze-einfach-erklaert\">Neuronale Netze sind wie wir selbst:<\/a> Wir neigen dazu, die Art und Weise, wie wir bei einer bestimmten T\u00e4tigkeit vorgehen, st\u00e4ndig zu verbessern. Wenn wir z. B. lernen, ungenie\u00dfbare Pilze zu finden, werden wir mit der Zeit wahrscheinlich immer besser darin werden. Nun, das Gleiche gilt f\u00fcr neuronale Netze.<\/p><p>Die Methode, die zur Verbesserung der Effizienz eines bestimmten neuronalen Netzes eingesetzt wird, hat einen Namen: Backpropagation.<\/p><p>Auf den ersten Blick mag <strong>Backpropagation<\/strong> schwer zu verstehen sein, aber das ist nicht der Fall. Beginnen wir am Anfang&#8230;<\/p>\t\t\n\t\t\t<style>\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/2024\/02\/reseau-neurones-artificielles.jpg\" title=\"\" alt=\"\" loading=\"lazy\">\t\t\t\t\t\t\t\t\t\t\t<figcaption><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/weiterbildung-deep-learning\">Alles \u00fcber Backpropaganda lernen<\/a><\/div><\/div>\n\n\t\t\t<h3>Alles \u00fcber Backpropaganda lernen<\/h3>\t\t\n\t\t<p>Tats\u00e4chlich ist es schwierig, einfach zu erkl\u00e4ren, wie Backpropagation funktioniert, wenn wir nicht zuerst einen Blick darauf werfen, was ein neuronales Netz ausmacht.<\/p>\t\t\n\t\t\t<h4>Knoten und Verbindungen\n<\/h4>\t\t\n\t\t<p>Ein neuronales Netz besteht aus Knoten und Verbindungen zwischen diesen Knoten.<\/p><p>Jeder Knoten ist eine Recheneinheit, die mit Daten operiert. In den Knoten sind Aktivierungsfunktionen (activation function) eingebaut. Diese bestimmen anhand der Informationen, die der Knoten erh\u00e4lt, ob er aktiviert werden soll oder nicht.<\/p><p>Die Knoten sind miteinander verbunden, wobei ein Modell mit Schichten, Gewichten und Bias verwendet wird, das unten beschrieben wird.<\/p><p>&nbsp;<\/p><p>?Auch interessant:<\/p><table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\" data-sheets-root=\"1\"><colgroup><col width=\"1116\"><\/colgroup><tbody><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Was genau ist ein Deep Neural Network?&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/deep-neural-network\"><a href=\"https:\/\/liora.io\/de\/deep-neural-network\" target=\"_blank\" rel=\"noopener\">Was genau ist ein Deep Neural Network?<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Recurrent Neural Network (RNN): Was genau ist das?&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/recurrent-neural-network\"><a href=\"https:\/\/liora.io\/de\/recurrent-neural-network\" target=\"_blank\" rel=\"noopener\">Recurrent Neural Network (RNN): Was genau ist das?<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Convolutional Neural Network (CNN): Alles, was Du wissen solltest&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/convolutional-neural-network-2\"><a href=\"https:\/\/liora.io\/de\/convolutional-neural-network-2\" target=\"_blank\" rel=\"noopener\">Convolutional Neural Network (CNN): Alles, was Du wissen solltest<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Was genau ist ein Deep Neural Network?&quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/deep-neural-network\"><a href=\"https:\/\/liora.io\/de\/deep-neural-network\" target=\"_blank\" rel=\"noopener\">Was genau ist ein Deep Neural Network?<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Graph Neural Networks (GNN): Was ist das? &quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/graph-neural-networks-gnn-was-ist-das\"><a href=\"https:\/\/liora.io\/de\/graph-neural-networks-gnn-was-ist-das\" target=\"_blank\" rel=\"noopener\">Graph Neural Networks (GNN): Was ist das? <\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Neuronale Netze &amp; Automatische Suche nach neuronaler Architektur: Unser Leitfaden &quot;}\" data-sheets-hyperlink=\"https:\/\/liora.io\/de\/neuronale-netze-automatische-suche-nach-neuronaler-architektur-unser-leitfaden\"><a href=\"https:\/\/liora.io\/de\/neuronale-netze-automatische-suche-nach-neuronaler-architektur-unser-leitfaden\" target=\"_blank\" rel=\"noopener\">Neuronale Netze &amp; Automatische Suche nach neuronaler Architektur: Unser Leitfaden <\/a><\/td><\/tr><\/tbody><\/table>\t\t\n\t\t\t<h4>Les trois types de couches d\u2019un r\u00e9seau de neurones<\/h4>\t\t\n\t\t<p>Die Knoten-\/Verbindungskombinationen sind auf mehrere Schichten verteilt:<\/p><ul><li>Input layer \/ Eingabeschicht: die Schicht, die die Daten aus der Realit\u00e4t empf\u00e4ngt oder die Daten, die analysiert werden m\u00fcssen.<\/li><li>Hidden layer \/ verborgene Schicht: eine oder mehrere Zwischenschichten, die die Daten verarbeiten.<\/li><li>Output layer \/ Ausgabeschicht: die Informationen, die aus der Verarbeitung durch das neuronale Netz stammen.<\/li><\/ul><p>Bei der <strong>Ausf\u00fchrung eines neuronalen Netzes<\/strong> werden die Daten von einem Knoten\/einer Verbindung zum n\u00e4chsten weitergeleitet, und zwar nach dem Prinzip des Feedforward &#8211; was man mit Vorw\u00e4rtsausbreitung \u00fcbersetzen k\u00f6nnte.<\/p><p>Das Ergebnis ist eine komplexe Kurve, die dabei hilft, Ph\u00e4nomene aus unbeobachteten Daten vorherzusagen.<\/p>\t\t\n\t\t\t<h4>Gewicht und Bias<\/h4>\t\t\n\t\t<p>Zwei Elemente sind in einem neuronalen Netz besonders wichtig: Gewichte (weights) und Biases (biases). Sie sind willk\u00fcrliche Werte, die du im Laufe der Experimente anpassen kannst.<\/p>\t\t\n\t\t\t<h5>Gewicht<\/h5>\t\t\n\t\t<p>Das Gewicht ist eine numerische Angabe, die mit der Verbindung zwischen zwei Knoten verkn\u00fcpft ist. Es bestimmt, wie stark der Einfluss einer Angabe auf das Ergebnis der Ausgabe ist. Hier ist ein Beispiel. In einem neuronalen Netz, das Regen vorhersagen soll, k\u00f6nnte man davon ausgehen, dass eine relativ niedrige Temperatur ein hohes Gewicht hat.<\/p>\t\t\n\t\t\t<h5>Biais<\/h5>\t\t\n\t\t<p>Ein Bias ist eine Anpassung der Eingabedaten, die dem Netzwerk helfen soll, bessere Vorhersagen zu treffen. Nehmen wir ein Beispiel aus dem Alltag: Ein Lehrer, der gerade Pr\u00fcfungsarbeiten bewertet hat, stellt fest, dass er bei allen Arbeiten zu streng war. Er k\u00f6nnte die Voreingenommenheit nutzen, um allen Arbeiten 3 Punkte hinzuzuf\u00fcgen, damit die Mehrheit der Sch\u00fcler eine Note von 10\/20 oder besser erh\u00e4lt.<\/p>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/2024\/02\/poids-biais-backpropagation.jpg\" title=\"\" alt=\"\" loading=\"lazy\">\t\t\t\t\t\t\t\t\t\t\t<figcaption><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/weiterbildung-deep-learning\">Die Funktionsweise von Backpropagation beherrschen<\/a><\/div><\/div>\n\n\t\t\t<h3>Backpropaganda, was ist das eigentlich?<\/h3>\t\t\n\t\t<p>Wenn du das Folgende verstanden hast, dann ist es leicht zu erkl\u00e4ren, was Backpropagation ist: Es geht um die Anpassung von Gewichten und <strong>Bias in einem neuronalen Netz!<\/strong><\/p><p><strong>Backpropagation<\/strong> ist eine Methode, die darauf abzielt, die Fehlerrate zwischen den Vorhersagen des neuronalen Netzes und den Ergebnissen in der Realit\u00e4t zu minimieren. Und dieser Verbesserungsprozess wird durch das iterative Anpassen von Gewichten und Bias erreicht.<\/p>\t\t\n\t\t\t<h3>Backpropaganda in der realen Welt<\/h3>\t\t\n\t\t<p><strong>Backpropagation<\/strong> ist ein wichtiges Werkzeug zur Verbesserung von <a href=\"https:\/\/liora.io\/de\/deep-learning-vs-machine-learning\">Deep-Learning-Algorithmen.<\/a> Hier sind einige g\u00e4ngige Anwendungsarten.<\/p>\t\t\n\t\t\t<h4>Kinoprogramm<\/h4>\t\t\n\t\t<p>Nehmen wir das Beispiel eines Kinobetreibers, der die Besucherzahlen in seinen Kinos verbessern m\u00f6chte, indem er das Filmprogramm an den Geschmack des Publikums anpasst. Im <a href=\"https:\/\/liora.io\/de\/was-ist-predictive-modeling\">Vorhersagealgorithmus<\/a> wurden wahrscheinlich bestimmte Gewichte gesetzt, z. B. wurde das Gewicht von Actionfilmen h\u00f6her eingesch\u00e4tzt als das von intimen Filmen.<\/p><p><strong>Backpropagation<\/strong> wird darin bestehen, die so ausgew\u00e4hlten Filme zu bewerten und die tats\u00e4chlichen Einschaltquoten mit den vorhergesagten zu vergleichen. Auf der Grundlage der tats\u00e4chlichen Informationen k\u00f6nnen die Gewichtung und der Bias der verschiedenen Kategorien von Filmen, die gezeigt werden, angepasst werden. Eine solche Behandlung k\u00f6nnte z. B. ergeben, dass das Publikum zu einem bestimmten Zeitpunkt Kom\u00f6dien bevorzugt.<\/p>\t\t\n\t\t\t<h4>Spracherkennung<\/h4>\t\t\n\t\t<p>Eine Anwendung wie SIRI oder Cortana k\u00f6nnte <strong>Backpropagation<\/strong> nutzen, um die Transkription menschlicher Sprache zu verbessern, basierend auf den Fehlern, die im aktuellen Modell festgestellt wurden.<\/p>\t\t\n\t\t\t<h4>Artikel-Empfehlung<\/h4>\t\t\n\t\t<p>Eine Onlineshopping-App kann analysieren, welche Verk\u00e4ufe tats\u00e4chlich auf die angezeigten Empfehlungen folgen, und die entsprechenden Algorithmen anpassen.<\/p>\t\t\n\t\t\t<h4>Selbstfahrendes Fahrzeug<\/h4>\t\t\n\t\t<p>Backpropagation wird dabei helfen, die Algorithmen f\u00fcr autonomes Fahren zu verbessern, indem die Modelle auf der Grundlage von R\u00fcckmeldungen aus dem realen Leben angepasst werden.<\/p>\t\t\n\t\t\t<h3>Eine S\u00e4ule des Deep Learning<\/h3>\t\t\n\t\t<p><strong>Backpropagation<\/strong> ist eine grundlegende Technik f\u00fcr <a href=\"https:\/\/liora.io\/de\/python-deep-learning-die-basics\">Deep-Learning-Anwendungen<\/a>, da sie es erm\u00f6glicht, neuronale Netze so anzupassen, dass die Ergebnisse kontinuierlich verbessert werden. Durch die Beeinflussung der Gewichte (weights) und <a href=\"https:\/\/liora.io\/de\/4-arten-von-statistik-bias-die-du-in-deinen-analysen-vermeiden-solltest\">Verzerrungen (bias)<\/a> eines solchen Netzes wird die Fehlerrate schrittweise reduziert. Sie ist daher in sehr unterschiedlichen Bereichen von entscheidender Bedeutung: medizinische Diagnosen, Wettervorhersagen, Finanzvorhersagen usw. Sie wird regelm\u00e4\u00dfig von KI-Forschern in die Praxis umgesetzt. Aber auch wenn ihre Praxis komplex erscheinen mag, wird sie fr\u00fcher oder sp\u00e4ter von einem Datenwissenschaftler beherrscht werden.<\/p>\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t<figure>\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" src=\"https:\/\/liora.io\/app\/uploads\/2024\/02\/deep-learning.jpg\" title=\"\" alt=\"\" loading=\"lazy\">\t\t\t\t\t\t\t\t\t\t\t<figcaption><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\n<div class=\"wp-block-buttons is-layout-flex wp-block-buttons-is-layout-flex is-content-justification-center\"><div class=\"wp-block-button \"><a class=\"wp-block-button__link wp-element-button \" href=\"https:\/\/liora.io\/de\/weiterbildung-deep-learning\">Lerne alles \u00fcber Backpropagation<\/a><\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Backpropagation ist ein wichtiges Werkzeug f\u00fcr Deep-Learning-Anwendungen. Durch Backpropagation kann ein Vorhersagealgorithmus st\u00e4ndig verbessert werden, wodurch Fehlerquoten immer weiter eliminiert werden. Wie du vielleicht wei\u00dft, sind k\u00fcnstliche neuronale Netze (artificial neural network) einer der beliebtesten Ans\u00e4tze im Bereich des Deep Learning &#8211; einer Disziplin, die eine Maschine dazu bringt, Probleme zu l\u00f6sen, indem sie bestimmte [&hellip;]<\/p>\n","protected":false},"author":76,"featured_media":192940,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2472],"class_list":["post-192928","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-data-ki"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/192928","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/users\/76"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/comments?post=192928"}],"version-history":[{"count":1,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/192928\/revisions"}],"predecessor-version":[{"id":216953,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/posts\/192928\/revisions\/216953"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media\/192940"}],"wp:attachment":[{"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/media?parent=192928"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/de\/wp-json\/wp\/v2\/categories?post=192928"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}