Inhalt | 5 |
Einführung | 9 |
Kapitel 1: Wie neuronale Netze arbeiten | 15 |
Leicht für mich – schwer für dich | 15 |
Eine einfache Vorhersagemaschine | 17 |
Klassifizieren unterscheidet sich nicht sehr vom Vorhersagen | 22 |
Einen einfachen Klassifizierer trainieren | 28 |
Manchmal ist ein Klassifizierer nicht genug | 38 |
Neuronen – die Rechenmaschinen der Natur | 44 |
Signalen durch ein neuronales Netz folgen | 53 |
Matrizenmultiplikation ist nützlich – ehrlich! | 58 |
Beispiel: Ein dreischichtiges Netz mit Matrizenmultiplikation | 65 |
Gewichte von mehr als einem Knoten lernen | 73 |
Fehler von mehreren Ausgabeknoten zurückführen | 75 |
Fehler auf mehrere Schichten zurückführen | 77 |
Backpropagierung von Fehlern mit Matrizenmultiplikation | 81 |
Wie aktualisieren wir eigentlich die Gewichte? | 84 |
Gewichtsaktualisierung am konkreten Beispiel | 102 |
Die Daten vorbereiten | 103 |
Eingaben | 103 |
Ausgaben | 104 |
Zufällige Anfangswerte | 105 |
Kapitel 2: Do it yourself mit Python | 109 |
Python | 109 |
Interaktives Python = IPython | 110 |
Ein sehr sanfter Start mit Python | 111 |
Notebooks | 111 |
Einfaches Python | 113 |
Arbeiten automatisieren | 115 |
Kommentare | 118 |
Funktionen | 118 |
Arrays | 121 |
Arrays grafisch darstellen | 124 |
Objekte | 126 |
Neuronales Netz mit Python | 132 |
Der Gerüstcode | 132 |
Das Netz initialisieren | 133 |
Gewichte – das Herz des Netzes | 135 |
Optional: differenzierte Initialisierung der Gewichte | 137 |
Das Netz abfragen | 138 |
Der aktuelle Stand des Codes | 140 |
Das Netz trainieren | 143 |
Der vollständige Code für das neuronale Netz | 146 |
Die MNIST-Datenbank mit handgeschriebenen Ziffern | 147 |
Die MNIST-Trainingsdaten vorbereiten | 155 |
Das Netz testen | 162 |
Mit sämtlichen Datensätzen trainieren und testen | 166 |
Verbesserungen: Optimieren der Lernrate | 167 |
Verbesserungen: Mehrere Läufe | 169 |
Die Gestalt des Netzes ändern | 171 |
Gute Arbeit! | 173 |
Der endgültige Code | 174 |
Kapitel 3: Just for fun: Das neuronale Netz tunen | 179 |
Ihre eigene Handschrift | 179 |
Das Gedächtnis eines neuronalen Netzes | 182 |
Geheimnisvolle Blackbox | 182 |
Rückwärtsabfrage | 183 |
Die Kennung »0« | 184 |
Weitere Hirnscans | 185 |
Neue Trainingsdaten erzeugen: Drehungen | 187 |
Epilog | 191 |
Anhang A: Eine leicht verständliche Einführung in die Analysis | 193 |
Eine Gerade | 194 |
Eine schräg verlaufende Gerade | 196 |
Eine gekrümmte Kurve | 198 |
Analysis per Hand | 200 |
Analysis nicht per Hand | 202 |
Analysis, ohne Graphen zu zeichnen | 205 |
Muster | 208 |
Funktionen von Funktionen | 210 |
Sie können Analysis betreiben! | 213 |
Anhang B: Das Ganze mit einem Raspberry Pi | 215 |
IPython installieren | 216 |
Vergewissern, dass alles funktioniert | 223 |
Ein neuronales Netz trainieren und testen | 224 |
Erfolg für Raspberry Pi! | 225 |
Index | 227 |
Über den Autor | 231 |
Kolophon | 231 |
www.oreilly.de | 0 |