AlexNet Faltungsneuronales Netzwerk

AlexNet ist ein tiefes Convolutional Neural Network (CNN), das 2012 von Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton vorgeschlagen wurde. Es erzielte im selben Jahr bahnbrechende Ergebnisse beim ImageNet-Bildklassifizierungswettbewerb und gewann den ersten Platz beim ILSVRC-Wettbewerb 2012, was zur Wiederbelebung des Deep Learning im Bereich der Bilderkennung führte. Die relevanten Papierergebnisse sindImageNet-Klassifizierung mit Deep Convolutional Neural Networks“ und auf der NIPS-Konferenz 2012 veröffentlicht.

AlexNet verfügt über eine relativ tiefe Netzwerkstruktur, die aus 5 Faltungsschichten und 3 vollständig verbundenen Schichten mit 60 Millionen Parametern und 650.000 Neuronen besteht. Es verwendet eine Reihe innovativer Technologien, wie beispielsweise die Verwendung der ReLU-Aktivierungsfunktion, um das Problem des Gradientenverschwindens zu lösen, das bei der herkömmlichen Sigmoid-Aktivierungsfunktion auftreten kann, wodurch das Netzwerk schneller konvergiert und die nichtlinearen Ausdrucksfunktionen verbessert werden.