Diese Arbeit soll einen umfassenden Überblick über die theoretischen Grundlagen und die Funktionsweise Künstlicher Neuronaler Netze (KNNs) im Allgemeinen und von CNNs im Speziellen geben, sodass auch deren Anwendungsgebiete nachvollziehbar werden. So soll ein fundierter Einstieg in das Thema geboten werden.
In Kapitel 2 wird zunächst ein Grundverständnis des Deep Learning vermittelt, einschließlich der Einordnung in das Feld des Machine Learning und der historischen Entwicklung KNNs. Kapitel 3 widmet sich anschließend den CNNs im Detail, wobei deren grundlegender Aufbau und Funktionsweise erläutert werden. Darüber hinaus wird auf Regularisierungsmethoden, insbesondere auf Dropout, eingegangen. Anschließend werden zentrale Anwendungsgebiete von CNNs sowie moderne Architekturen wie ResNet, DenseNet und Octave Convolution vorgestellt. Die Arbeit schließt mit einer Zusammenfassung und einer kritischen Würdigung, in der die zentralen Erkenntnisse der Untersuchung reflektiert werden. Die kritische Würdigung setzt sich zudem mit möglichen Einschränkungen der eigenen Analyse auseinander und diskutiert offene Fragen sowie potenzielle Verbesserungspotenziale in der methodischen Herangehensweise.
- Citar trabajo
- Sebastian Hufe (Autor), 2025, Convolutional Neural Network (CNN). Grundlagen, Funktionsweise und Anwendungsgebiete, Múnich, GRIN Verlag, https://www.grin.com/document/1588398
