Neuronale Netzwerke können durch Lernen selbständig Zusammenhänge zwischen Input und Output herstellen.
Die Kunst besteht darin, den Input geschickt vorzubereiten (Feature Engineering) und adäquate Netzwerkstrukturen einzurichten: Architektur der neuronalen Schichten, ConvNet-Filter, Aktivierungsfunktionen.
Eine klassische Anwendung ist die Erkennung handgeschriebener Ziffern:
Anwendungen in der industriellen Praxis sind zum Beispiel die Klassifizierung von Objekten auf Bildern, die Erkennung problematischer Finanztransaktionen oder die automatische Themenzuordnung in grossen Text-Corpora.
Kontaktieren Sie mich, wenn Sie eine ähnliche Aufgabenstellung haben.