Ich versuche, Deep Learning so einfach wie möglich zu erklären, bin mir aber nicht sicher, ob das so richtig ist.
Wenn ein Deep Learning Anwender z.B. Katzen erkennen soll, wird es bei der Eingangsschicht mit ganz vielen "Katzen-Blidern" und "Nicht-Katzen-Bildern" gefüttert.
Er erkennt dann selber, welche Merkmale Katzen haben und was sie von "Nicht-Katzen" unterscheidet.
Er bildet dann Zwischenschichten, die die Daten auf die einzelnen Merkmale prüft.
Irgendwann kann es dann die richtige Antwort bei der Ausgangsschicht abgeben.
Hier meine Notizen...
Korrigiert mich bitte wenn ich es falsch verstanden habe!!