Hey Leute, ich habe eine kurze Frage zu neuronalen Netzen: Angenommen ich habe ein simples feedforward Netz mit bereits trainierten Gewichten. Das Netz besteht aus einem Input Layer, einem Hidden Layer und einem Output Layer. Der Output Layer wiederum besteht aus 3 Neuronen, da es 3 mögliche Klassifizierungen für die Daten gibt. Wie wird der Output denn dann genau klassifiziert? Wenn z.B. output = [0.33, 0.12, 0.65] das Ergebnis wäre, ist das Ergebnis dann als Klasse 3 zu interpretieren? Also quasi ist immer der größte Wert das Ergebnis? Oder würde der Ausgang eher so aussehen: output = [0,0,1]?
Kowalski schrieb: > Wie wird der Output denn dann genau klassifiziert? Naja, der Output-Layer geht meistens durch eine Aktivierungsfunktion, z.B. Softmax. Dann bekommst Du eine Wahrscheinlichkeitsverteilung. > Also quasi ist immer der größte Wert das Ergebnis? Das kommt auf Deine Anwendung drauf an.
Bastler schrieb: > Kowalski schrieb: >> Wie wird der Output denn dann genau klassifiziert? > > Naja, der Output-Layer geht meistens durch eine Aktivierungsfunktion, > z.B. Softmax. Dann bekommst Du eine Wahrscheinlichkeitsverteilung. > >> Also quasi ist immer der größte Wert das Ergebnis? > > Das kommt auf Deine Anwendung drauf an. Ok, danke für die Antwort. Meinst du mit dem letzten Satz: "kommt auf die Anwendung an", dass es auch Anwendungsfälle gibt, bei denen ein Objekt mehreren Klassen angehören kann? Bin bis jetzt davon ausgegangen dass KNNs nur explizit entweder / oder können. Ist echt ein interessantes Thema, aber die meisten Quellen beschäftigen sich immer nur damit, wie man die Gradienten und die Gewichtsaktualisierungen berechnet usw., aber Quellen die einfach mal die simplen Tatsachen von einer gewissen Distanz aus darstellen, konnte ich bis jetzt leider nicht finden.
Kowalski schrieb: > Meinst du mit dem letzten Satz: "kommt auf die Anwendung an", dass es > auch Anwendungsfälle gibt, bei denen ein Objekt mehreren Klassen > angehören kann? Wenn du das CNN mit einem Bild fütterst, das mehrere bekannte Objekte enthält, dann wäre es zu erwarten, dass mehrere Neuronen im Output-Layer hohe Werte annehmen
Ich kenne diese beiden: https://de.mathworks.com/help/deeplearning/ref/classificationlayer.html (Cross-entropy) und den https://de.mathworks.com/help/deeplearning/ref/nnet.cnn.layer.softmaxlayer.html (Softmax) Das sind die Ausgangslayer.
Bitte melde dich an um einen Beitrag zu schreiben. Anmeldung ist kostenlos und dauert nur eine Minute.
Bestehender Account
Schon ein Account bei Google/GoogleMail? Keine Anmeldung erforderlich!
Mit Google-Account einloggen
Mit Google-Account einloggen
Noch kein Account? Hier anmelden.