Neuronale Netzwerke sind ein Teilbereich des Machine Learnings, sie werden eingesetzt um Bilder, Texte, oder Sprache zu erkennen, aber auch Aktienkursschwankungen können mit einem neuronalen Netzwerk bewertet werden. Ein neuronales Netzwerk verarbeitet Informationen ähnlich wie das menschliche Gehirn, weshalb dort auch die Unterscheidung zwischen künstlichen und natürlichen neuronalen Netzwerken gemacht wird.
Der Name setzt sich aus den zwei Begriffen „Neuron“ und „Netzwerk“ zusammen, die Funktionsweise eines Neurons in diesem Netzwerk ist ähnlich wie die des Neurons, das man aus der Schule kennt und im Körper vorkommt. Es gibt einen Input und unter bestimmten Bedingungen gibt es einen Output, das wichtige sind nun die Bedingungen: Über die Bedingungen wird eine Bewertung und eine Gewichtung des Inputs vorgenommen, und da es sich um ein „Netzwerk“ handelt haben wir ganz viele Neuronen, die miteinander kommunizieren. Die Gewichtung beschreibt, wie wichtig einzeln Parameter, bzw. wie unwichtig manche andere sind. Ein Neuron ist demnach wie eine Funktion, die zu jedem Input einen bestimmten Output formt.
Neuronen werden in Layern angeordnet, am Anfang kommt der unübersetzte Input in das „Inputlayer“, wenn der Vorgang fertig ist, befindet sich der fertige Output im „Outputlayer“ ganz rechts, alle Layers dazwischen bezeichnet man als „Hiddenlayer“, auch sie tragen eine Funktion in sich und formen langsam den fertigen Output.
Möchte man nun, dass das Netzwerk Geometrische Formen voneinander unterscheiden kann, gibt es zu Beginn für jeden Pixel des Bildes ein Neuron, das Neuron bewertet nach seiner Funktion jeden einzelnen Pixel und stellt, Layer für Layer, zusammenhänge her.
Damit dieser Vorgang nun zuverlässig funktioniert, muss das Netzwerk trainiert werden, dies geschieht, wie bei fast jeder Art von Training, durch viel Wiederholung. Durch das Überprüfen mit tausenden Bildern kann sich das Netzwerk immer feiner justieren und Bewertungskriterien und Gewichtungen anpassen. Beim Training muss aber der Input schon klassifiziert worden sein, damit das Netzwerk damit trainieren kann.
