einfaches neuronales Netz, inkl. deep learning

[HaWe]

Perzeptron-Learning und Backpropagation sind reine mathematische Matrizen-Operationen, die sich mathematisch (Formeln) und algorithmisch (Programmcode) darstellen lassen.
Was passiert: Neurons sind Strukturen mit inneren Variablen, die beim Training schrittweise (Schleifen) so verstellt werden, bis für jeden Input der gewünschte Output "passt" (Approximierung), d.h. der Fehler (float) unter einem frei gewählten Grenzwert liegt.

Für ein Verständnis habe ich mir damals KI-Bücher gekauft, wo beides schrittweise erklärt wird; in Web-Tutorials ist das sehr komprimiert, dennoch hier noch ein Link:

https://towardsdatascience.com/perce...m-d5db0deab975

Bild hier  

Bild hier  

Bild hier  

Google: Perzeptron-Learning

[Mxt]

Hier mal grob der Workflow für DeepLearning mit (32 Bit) Arduino als Ziel:

Entwicklung und Training des DNN auf dem PC (ersatzweise Raspi)
https://www.tensorflow.org/

Dann Portierung auf TensorFlow Lite und das Ergebnis auf den Arduino bringen
https://www.tensorflow.org/lite/
https://www.tensorflow.org/lite/microcontrollers
(Arduino_TensorFlowLite ist als -> Alpha ! <- Version über den Arduino Bibiliotheksmanager installierbar.)

Keine eigene Erfahrung damit, vielleicht mal, wenn ich viel Zeit habe.

Aber z.B. bei Adafruit gibt es Spracherkennung auf deren M4 Boards, die so gemacht wurde.

[HaWe]

@Mxt: das ist aber sääähr schwäääre Kost für Anfänger!

[Mxt]

Ist ja nicht für den Anfänger, sondern für den noch zu findenden, der das freiwillig für den Anfänger in der Arduino IDE nachbaut ...

Jenseits der einfachen Beispiele sind NN heute nun mal bei fertigen Tools, diversen verbreiteten Dateiformaten usw. angekommen. Wenn man das alles ablehnt, wird es schwierig da über die einfachen Beispiele hinaus zu kommen.

[HaWe]

ja, dann ntl OK!