Tiefes Lernen
Die datierten Quellen sind über 18 Monate alt; bei anderen Quellen fehlt das Datum.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 2
Neueste datierte Quelle: 2016
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Einige Veröffentlichungsdaten fehlen. Die neueste datierte Quelle ist daher nicht unbedingt die neueste Quelle insgesamt.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Im Glossar öffnen Lesenotizen · Strukturierter Dateneintrag
Einfach erklärt
Maschinelles Lernen, bei dem mehrere Schichten erlernter Berechnungen aufeinander aufbauen. [1]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Grenzen und Unterschiede
Tief bezieht sich auf Schichten von Berechnungen oder Darstellungen. Es ist kein Maß für Weisheit; eine allgemein anerkannte Mindesttiefe gibt es nicht. [1]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Ausführlicher erklärt
In einem tiefen neuronalen Netz wandeln Zwischenschichten die Zahlen zwischen Eingabe und Ausgabe um. Das Training passt Einstellungen im Netz an. So können immer komplexere Darstellungen entstehen. [2] [1]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Wie das zur Karte passt
Unterscheide damit eine Modellfamilie von Aussagen darüber, wie schnell KI sich weiterentwickeln sollte. [1]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Diese Seite teilen
https://theaiatlas.org/ideas/deep-learning/
Bild zum Teilen herunterladen · Vektorgrafik
Vorschaubilder sind Zusammenfassungen. Teile den Seitenlink mit, damit andere die Belege prüfen können.
Quellen und Umfang unserer Lektüre
1. Deep Learning
Die Quelle ist über 18 Monate alt.
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2016
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Mehrschichtige Darstellungen und Rechentiefe in Kapitel 1 gelesen. Das Erscheinungsjahr stammt aus der Zitierangabe des Buches. Daraus wird weder eine feste Mindestzahl an Schichten noch ein Intelligenzmaß abgeleitet.
2. Neural networks: Nodes and hidden layers
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Die Veröffentlichungsdaten sind nicht bekannt.
Bewertet zum Quellenstichtag dieser Ausgabe: 2026-09-15. Grenze von 18 Monaten: 2025-03-15.
Einige Veröffentlichungsdaten fehlen. Die neueste datierte Quelle ist daher nicht unbedingt die neueste Quelle insgesamt.
Das Alter einer Veröffentlichung sagt nicht, ob eine Aussage noch zutrifft. Erneutes Lesen macht eine alte Veröffentlichung nicht neuer. Ein Aktualisierungsdatum belegt nicht, dass auch die von uns verwendete Passage überarbeitet wurde.
Die Erklärungen zu verbundenen Schichten, numerischen Gewichten, Bias-Werten und Berechnungen wurden gelesen. Die eingebetteten Übungen wurden nicht ausgeführt. Verwendet für den mathematischen Aufbau, nicht für die Behauptung, ein künstliches Netz bilde ein menschliches Gehirn nach.
Ausgabe und maschinenlesbare Belege
Inhaltsversion 0.20.0. Quellenstichtag 2026-09-15; das bedeutet nicht, dass jede Quelle an diesem Tag gelesen wurde.
Festgehaltenes vollständiges Datenpaket · Vollständige Quellennotizen · Anleitung für KI-Agenten