neuronale Netzwerke = Interpolation
-
Könnte man sagen, dass neuronale Netzwerke einfach Funktionsinterpolation machen.
-
Hallo
Nein das kann man nicht sagen.
Erstmal ist das Wort "Funktionsinterpolation", auch wenn es leider etabliert ist, erstmal ziemlich unaussagekräftig worum es geht. Reden wir von fitten, im Sinne von Modellanpassung und einem Least Square Fit oder von irgendwelchen Potenzreihen Entwicklungen und wenn ja lokale oder globale Reihenentwicklungen, oder einfach nur Polygonzügen die gesetzt werden, etc. usw...
Bei (künstlichen) Neuronalen Netzen hingegen existiert keine allgemeine Definition. Man kann sich jedoch darauf einigen, dass man als "Definition" (in Anführungsstrichen) gemeinsame Eigenschaften nimmt, die ein neuronales Netz auszeichnen.
Gruß
-
cpp_Jungspund schrieb:
Hallo
Nein das kann man nicht sagen.
Und warum nicht?
-
gdfgdf schrieb:
cpp_Jungspund schrieb:
Hallo
Nein das kann man nicht sagen.
Und warum nicht?
Weil das zu vereinfachend ist. Das ist wie wenn du sagst "Auto = in die Arbeit fahren". Kann sein, muss aber nicht sein
Neuronale Netze können halt noch viel mehr als Funkions-Interpolation. Z.b. Extrapolation (Vorhersage), allgemein Funktionsapproximation oder (bei rekurrenten Netzen) auch Relationen, Ungleichungen, Differentialgleichungen etc. Also viel mehr als nur Interpolation. Oft gibt es auch gar keine Funktion die zu interpolieren wäre.
Deswegen nennt man die ja auch "Universal Approximators".
-
gdfgdf schrieb:
Könnte man sagen, dass neuronale Netzwerke einfach Funktionsinterpolation machen.
Im Falle von überwachtem Lernen (supervised learning) ist das quasi wie eine Funktion an Trainingsdaten ranfitten, ja.
Es gibt aber auch andere Fälle, wo künstliche neuronale Netze angewendet werden. Bei MarI/O hat man z.B. gar keine Datenpunkte, zwischen denen man interpolieren könnte. Dahinter steckt ein evolutionärer Algorithmus.
Ein anderes Stichwort fällt mir auch noch ein: Reinforcement learning.