Feedforward-Neuronales NetzwerkEs handelt sich um ein relativ einfaches künstliches neuronales Netzwerk, dessen interne Parameter sich unidirektional von der Eingabeschicht zur Ausgabeschicht ausbreiten. Im Gegensatz zu rekursiven neuronalen Netzwerken bildet es intern keine gerichtete Schleife.

Feedforward wird auch Vorwärts genannt. Aus der Perspektive des Signalflusses ist der Signalfluss, nachdem das Eingangssignal in das Netzwerk gelangt ist, unidirektional, d. h., das Signal fließt von der vorherigen Schicht zur nächsten Schicht bis zur Ausgangsschicht, und es gibt keine Rückkopplung in der Verbindung zwischen zwei Schichten, d. h., das Signal kehrt nicht von der nächsten Schicht zur vorherigen Schicht zurück. Aus der Perspektive der Beziehung zwischen Eingabe und Ausgabe betrachtet, verwendet die nächste Schicht beim Eintreffen des Eingangssignals die Ausgabe der vorherigen Schicht als Eingabe.

Wenn in einem Feedforward-Neuralnetzwerk ein Rückfluss oder eine Selbsteingabe von Signalen zwischen den Schichten stattfindet, wird das Netzwerk als rekurrentes neuronales Netzwerk bezeichnet. In einem tiefen Feedforward-Netzwerk ist die Kettenstruktur die Verbindung zwischen den Schichten, wobei die Anzahl der Schichten die Tiefe des Netzwerks darstellt.

Verweise

【1】Neuronale Netzwerke und Deep Learning – Feedforward-Neuronale Netzwerke (Persönlicher Blog)