Perceptron (Neuronale Netze)

1957 für tot erklärt, heute Grundbaustein jedes Deep-Learning-Modells. Hier in Aktion.

EinführungDas Neuron verstehen

Willkommen! Ein Perceptron ist das einfachste neuronale Netz - ein einzelnes künstliches Neuron. Es nimmt Eingaben (x₁, x₂), gewichtet sie (w₁, w₂), addiert einen Bias (b) und entscheidet dann: 1 oder 0.

Klassifikationsebene

Klassifikationsebene: 1/4 Richtig klassifiziert, Genauigkeit 25%. w₁=0.50, w₂=0.50, Das Neuron bias=0.00.

○ Klasse 0 (○)● Klasse 1 (●) Trennlinie

Das Neuron

x₁x₂bw₁=0.50w₂=0.50Σσ0
  • w₁, w₂Gewichte gewichten jede Eingabe. Je größer das Gewicht, desto stärker beeinflusst diese Eingabe die Entscheidung — sie bestimmen die Neigung der Trennlinie.
  • bDer Bias verschiebt die Trennlinie. Er entscheidet, wie leicht das Neuron eine 1 ausgibt — unabhängig von den Eingaben.
  • ΣΣ summiert alle gewichteten Eingaben plus den Bias: w₁·x₁ + w₂·x₂ + b. Dieser eine Wert (z) steuert die Entscheidung.
  • σσ ist die Aktivierung: Ist die Summe z > 0, feuert das Neuron (1), sonst gibt es 0 aus. Hier eine harte Stufenfunktion.
Steuerung
Lernreise

Schau dir rechts das Neuron an: Eingaben fließen rein, werden gewichtet und summiert.

Genauigkeit25%Richtig klassifiziert1/4

Was auf dem Feld passiert

Ein einzelnes künstliches Neuron lernt, zwei Gruppen von Punkten zu trennen — allein indem es eine Grenze verschiebt. Hier steht, was du dabei auf dem Bild siehst.

Was du siehst
Ein quadratisches Feld mit Punkten in zwei Sorten: leere Kreise (○) und volle Kreise (●). Quer durch das Feld läuft eine gerade Linie — die Trennlinie. Sie teilt das Feld in zwei Hälften, eine für jede Sorte.
Was passiert
Bei jedem Lernschritt kippt und verschiebt sich die Linie ein Stück. Liegt ein Punkt auf der falschen Seite, dreht sie sich in seine Richtung. Nach und nach wandert die Linie in die Lage, in der beide Sorten sauber getrennt sind.
Was du tun kannst
Zieh die Linie mit der Maus an ihren beiden Griffen, oder lass das Neuron selbst lernen: Schritt für Schritt oder automatisch. Über den Regler stellst du das Tempo ein, und du kannst zwischen den Aufgaben AND, OR und XOR wechseln.
Worauf du achtest
So lernt das einfachste künstliche Neuron — nicht durch Nachdenken, sondern nur durch das Verschieben einer einzigen Grenze. Bei XOR gelingt das nie: keine gerade Linie kann diese Punkte trennen.

Definition

Was ist ein Perceptron?

Analogie

Stell dir einen Türsteher vor einem exklusiven Club vor. Er schaut auf eine Checkliste mit verschiedenen Kriterien: Ist die Person auf der Gästeliste? Trägt sie angemessene Kleidung? Hat sie eine Einladung?

Jedes Kriterium hat eine unterschiedliche Wichtigkeit (Gewicht). Die Gästeliste zählt vielleicht mehr als die Kleidung. Der Türsteher addiert alle gewichteten Punkte zusammen und wenn die Summe über einem bestimmten Schwellenwert liegt, sagt er 'JA, rein!' - sonst 'NEIN, draußen bleiben!'. Genau so funktioniert ein Perceptron.

Das Perceptron ist das einfachste neuronale Netz - ein einzelnes künstliches Neuron. Es nimmt Eingaben entgegen, gewichtet sie, summiert sie auf und entscheidet dann: Ja (1) oder Nein (0).

Die Gewichte (w₁, w₂)

Gewichte bestimmen, wie wichtig jede Eingabe ist. Positive Gewichte verstärken, negative schwächen den Einfluss. Die Kombination der Gewichte bestimmt die Richtung der Trennlinie.

Der Bias (b)

Der Bias verschiebt die Trennlinie. Ein positiver Bias macht es leichter, 1 auszugeben; ein negativer macht es schwerer. Er ist wie ein 'Grundeinstellung' des Neurons.

Die Aktivierungsfunktion (σ)

Die Aktivierungsfunktion entscheidet final: Ist die gewichtete Summe größer als 0, gibt das Neuron 1 aus (feuert). Ist sie kleiner oder gleich 0, gibt es 0 aus (feuert nicht).

TheorieGeschichtePseudo-CodeSchritt für SchrittFlussdiagramm

Das erste künstliche Neuron

Das Perceptron ist der Urahn aller neuronalen Netze. Es ist ein mathematisches Modell eines einzelnen Neurons, das 1957 von Frank Rosenblatt erfunden wurde. Trotz seiner Einfachheit enthält es alle fundamentalen Konzepte des maschinellen Lernens: Eingaben, Gewichte, Summation und Aktivierung.

Mathematische Grundlage

Das Perceptron berechnet eine gewichtete Summe seiner Eingaben: z = w₁x₁ + w₂x₂ + ... + wₙxₙ + b. Dabei sind x die Eingabewerte, w die Gewichte (die bestimmen, wie wichtig jede Eingabe ist), und b der Bias (eine Verschiebungskonstante). Die Ausgabe ist 1, wenn z > 0, sonst 0.

Was kann das Perceptron?

  • Lineare Klassifikation: Trennung von zwei Klassen durch eine gerade Linie (oder Hyperebene)
  • Logische Funktionen: AND und OR können perfekt dargestellt werden
  • Einfache Mustererkennung: Kann zwischen zwei einfachen Mustern unterscheiden

Die fundamentale Grenze

Das Perceptron kann nur linear trennbare Probleme lösen. Das XOR-Problem (Exklusives Oder) ist das klassische Gegenbeispiel: Die Punkte liegen diagonal und können nicht durch eine einzelne gerade Linie getrennt werden. Diese Erkenntnis führte 1969 zum KI-Winter.

Lernregel

Das Perceptron lernt durch den Perceptron-Lernalgorithmus: Für jeden falsch klassifizierten Punkt werden die Gewichte angepasst: w_neu = w_alt + η × (y - ŷ) × x, wobei η die Lernrate ist, y das erwartete und ŷ das vorhergesagte Ergebnis.

Probiere es selbst aus! Bewege die Trennlinie in der Demo und beobachte, wie sich die Klassifikation ändert.

Prüfen

Teste dein Wissen

Noch offen

Was macht ein Perceptron?

Wähle eine Antwort

Auflösung: 1) C · 2) B · 3) D · 4) A · 5) C

Einfache Sprache

Diese Vorschau ist in Einfacher Sprache. Das ganze Portal gibt es auch in Einfacher Sprache. Du kannst oben die Sprache wechseln. Oder nutze den Knopf unten. Unsere Texte in Einfacher Sprache entstehen KI-gestützt und werden redaktionell begleitet. Sie orientieren sich an den Grundprinzipien der Leichten Sprache, sind aber keine geprüfte Leichte Sprache: Eine Prüfgruppe von Menschen mit Lernschwierigkeiten prüft sie nicht.

Vorschau: Das erste KI-Neuron

Was ist ein Perceptron?

Ein Perceptron ist eine Recheneinheit. Es ist das einfachste Modell eines künstlichen Neurons. Das Perceptron nimmt Zahlen rein. Es rechnet damit. Das Ergebnis ist 0 oder 1.

Wie du die Demo benutzt

Schau dir das Diagramm an. Es zeigt Punkte in zwei Gruppen. Eine Linie trennt die Gruppen. Bewege die Linie mit der Maus. Ordnet das Modell alle Punkte richtig ein?

Was du lernst

Das Perceptron ist der Ursprung aller KI-Netze. Es hat eine Grenze. Es kann nur einfache Aufgaben lösen. Schwierigere Muster brauchen größere Netze.