Neuronale Netze und Deep Learning
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 5
Neueste datierte Quelle: 2025-03-27
Mindestens eine Quelle wurde innerhalb des 18-Monats-Zeitraums veröffentlicht.
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
Modelle aus verbundenen Rechenschichten, deren Einstellungen während des Trainings gelernt werden. [1] [2]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Grenzen und Unterschiede
Wörter wie „Neuron“ und „Lernen“ beschreiben hier mathematische Bestandteile und das Training. Für sich genommen erklären sie das Verhalten eines Modells nicht in menschlichen Begriffen. [1] [5]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Ausführlicher erklärt
Jede Schicht übernimmt Zahlen aus der vorherigen Schicht, kombiniert sie mithilfe von Gewichten und gibt die Ergebnisse weiter. Deep Learning nutzt Netze mit mehreren inneren Schichten. „Deep“, also tief, beschreibt diesen Aufbau. [1] [3]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Wie das zur Karte passt
Das ist die Modellfamilie, auf der LLMs beruhen. [4]
Diese Erklärung zitieren oder eine Korrektur vorschlagen
Link zu dieser Erklärung · Korrektur vorschlagen · So funktionieren Korrekturen
Diese Seite teilen
https://theaiatlas.org/ideas/neural-network/
Bild zum Teilen herunterladen · Vektorgrafik
Vorschaubilder sind Zusammenfassungen. Teile den Seitenlink mit, damit andere die Belege prüfen können.
Quellen und Umfang unserer Lektüre
1. 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.
2. Linear regression: Gradient descent
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 Erklärung zu wiederholter Vorhersage, Verlust und Parameteranpassung wurde gelesen. Die Garantien der Seite für konvexe lineare Regression werden hier nicht auf das Training neuronaler Netze übertragen. Das Aktualisierungsdatum folgt der Seite; die Erstveröffentlichung ist nicht angegeben.
3. Machine Learning Glossary
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 Einträge zu künstlicher Intelligenz, tiefen Modellen, Kontextfenster, Inferenz und Chat wurden gelesen. Verwendet für Begriffe, nicht für Aussagen zur Produktleistung. Das Aktualisierungsdatum folgt dem zuvor angezeigten Seitendatum; die Erstveröffentlichung ist nicht angegeben. Der Chat-Eintrag wurde bei der Prüfung der Einsteigertexte am selben Tag erneut gelesen. Außerdem wurden die Einträge zu Generalisierung und Rechenressourcen gelesen.
4. LLMs: What's a large language model?
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.
Tokenvorhersage, reine Encoder- und Decoder-Varianten sowie Selbstaufmerksamkeit wurden gelesen. Verwendet für Architektur und Begriffe; allgemeine Leistungsvergleiche und Aussagen über alle LLMs auf der Lehrseite werden nicht übernommen.
5. Circuit Tracing: Revealing Computational Graphs in Language Models
Veröffentlichungsdaten und Alter der Quellen
Anzahl der Quellen: 1
Neueste datierte Quelle: 2025-03-27
Mindestens eine Quelle wurde innerhalb des 18-Monats-Zeitraums veröffentlicht.
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.
Einleitung, Methodenüberblick und Einschränkungen wurden gelesen, darunter Rekonstruktionsfehler, komplexe Graphen, globale Schaltkreise und die Genauigkeit der mechanistischen Erklärung. Die Ersatzmodell-Analysen der Autoren zeigen ausgewählte Mechanismen; sie erklären nicht das gesamte Verhalten vollständig. Spätere Forschung zur Nachverfolgung von Aufmerksamkeit wird daneben zitiert, damit die hier fehlende Aufmerksamkeitserfassung nicht als dauerhafte Grenze des gesamten Forschungsfelds erscheint.
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