Topologie vs. Architektur eines künstlichen neuronalen Netzes?
Kann mir jemand den Unterschied zwischen der Topologie und der Architektur eines künstlichen neuronalen Netzes erklären?
Ich habe bereits per Google Suche und in diversen Fachbüchern nach einer Erklärung gesucht, finde aber hauptsächlich nur eher schwammige oder widersprüchliche Angaben.
Vielen Dank im Voraus!
2 Antworten
Laut Encyclopedia of Machine Learning von Springer, ist "Topology of a Neural Network" ein Synonym von "neural network architecture". Deswegen gibt es keinen Unterschied zwischen den genannten Begriffen.
Aber "Topology of a neural network" kann sich auch auf den topologischen Aspekt eines neuronalen Netzes bzw. der Daten beziehen. Beispielsweise behandelt dieser Forschungsartikel algebraische Topologie, ein Gebiet in Mathematik.
Also, im Grunde gibt es keinen Unterschied, aber man muss manchmal auf dem Begriff "Topologie" achten.
Danke! Die Encyclopedia of Machine Learning kannte ich tatsächlich noch nicht.
Neuronale Netze bestehen aus Knotenpunkten, die sich INPUTNODE, NUERONALESNODE und OUTPUTNODE nennen. Die neuronalen Nodes wachsen mit der Anzahl an Inputs und steuern den Output.
Dadurch lernt das System mit der Eingabe. Umsetzbar in Software ist es am geeignetsten wenn man sich die umfangreichen Bibliotheken von Python ansieht zu dem Thema.
Fazit: Echte KI gibt es noch nicht also kann ein Computer keine Lieblingsfarbe haben z.B.
Danke für deine Antwort. Hat aber ehrlich gesagt nichts mit meiner Frage zu tun.
