KI Lexikon –

Recurrent Neural Networks (RNNs)

Recurrent Neural Networks sind eine Art von Neuronalen Netzwerken und zeichnen sich durch mindestens eine Schicht, welche rückgekoppelt ist aus. Sie kommen zum Beispiel bei der maschinellen Verarbeitung von Sprache oder bei Zeitreihendaten zum Einsatz. 

Was sind Recurrent Neural Networks? 

Neuronale Netze lassen sich in drei Arten einteilen. Neben Feedforward und Convolutional Neuronalen Netzen existieren die Recurrent Neuronal Networks. Recurrent Neuronal Networks zeichnen sich dadurch aus, dass Schichten Daten nicht nur in die darauffolgende Schicht weiterleiten können, sondern der Output als Input für eine vorherige Schicht genutzt wird.

Arten von Recurrent Neural Networks 

Recurrent Neural Networks werden selbst nochmal in verschiedene Arten unterteilt. Folgende Rekurrente Netze sind denkbar: 

  1. Direkte Rückkopplung: bei der direkten Rückkopplung wird der Output eines Neurons direkt als weiterer Eingang des Neurons genutzt. 
  2. Indirekte Rückkopplung:  bei der indirekten Rückkopplung wird der Output eines Neurons als Eingang in ein Neuron aus der vorherigen Schicht genutzt. 
  3. Seitliche Rückkopplung: bei der seitlichen Rückkopplung wird der Output eines Neurons als Eingang eines Neurons der gleichen Schicht genutzt. 
  4. Vollständige Verbindung: bei der vollständigen Verbindung hat jeder Output eines Neuron eine Verbindung zu jedem anderen Neuron.

Anwendungen von Recurrent Neural Networks 

Praktisch angewendet werden Recurrent Neural Networks bei denen die Verarbeitung von Sequenzen erforderlich ist. Dies ist beispielsweise bei der Erkennung von Handschriften, der Erkennung von Sprache und bei Maschinenübersetzungen der Fall.