{"id":2295,"date":"2026-04-27T07:54:37","date_gmt":"2026-04-27T07:54:37","guid":{"rendered":"https:\/\/fis.rub.de\/wp-interface\/?p=2295"},"modified":"2026-04-27T07:54:37","modified_gmt":"2026-04-27T07:54:37","slug":"neuronale-netzwerke","status":"publish","type":"post","link":"https:\/\/fis.rub.de\/wp-interface\/neuronale-netzwerke\/","title":{"rendered":"Neuronale Netzwerke"},"content":{"rendered":"\n<div class=\"wp-block-group\"><div class=\"wp-block-group__inner-container\">\n<p>Erdbeobachtungssatelliten liefern t\u00e4glich enorme Mengen an Bilddaten. Doch wie erkennt man automatisch, ob ein Pixel Vegetation, eine Stra\u00dfe oder eine Siedlung zeigt? In diesem Video erkl\u00e4ren wir anhand eines einfachen Beispiels, wie k\u00fcnstliche neuronale Netzwerke (Artificial Neural Networks, ANN) funktionieren. Wir bauen Schritt f\u00fcr Schritt ein kleines \u201ek\u00fcnstliches Gehirn\u201c, das anhand der RGB-Farbwerte eines Pixels entscheidet, ob es sich eher um Vegetation oder eine versiegelte Fl\u00e4che handelt. Dabei lernen wir die wichtigsten Bausteine eines neuronalen Netzes kennen: Input Layer, Hidden Layer, Weights, Bias, Aktivierungsfunktionen sowie Training und Backpropagation.<\/p>\n\n\n\n<figure class=\"wp-block-video\"><video controls src=\"https:\/\/fis.rub.de\/wp-interface\/wp-content\/uploads\/2026\/04\/GW_ANN.mp4\"><\/video><figcaption>Neuronale Netzwerke<\/figcaption><\/figure>\n<\/div><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Erdbeobachtungssatelliten liefern t\u00e4glich enorme Mengen an Bilddaten. Doch wie erkennt man automatisch, ob ein Pixel Vegetation, eine Stra\u00dfe oder eine Siedlung zeigt? In diesem Video erkl\u00e4ren wir anhand eines einfachen Beispiels, wie k\u00fcnstliche neuronale Netzwerke (Artificial Neural Networks, ANN) funktionieren. Wir bauen Schritt f\u00fcr Schritt ein kleines \u201ek\u00fcnstliches Gehirn\u201c, das anhand der RGB-Farbwerte eines Pixels [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":2332,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":[],"categories":[27,33,34,37,19,31,3,1],"tags":[],"blocks":[{"blockName":"core\/group","attrs":{"chapter":1},"innerBlocks":[{"blockName":"core\/freeform","attrs":[],"innerBlocks":[],"innerHTML":"\n<p>Erdbeobachtungssatelliten liefern t\u00e4glich enorme Mengen an Bilddaten. Doch wie erkennt man automatisch, ob ein Pixel Vegetation, eine Stra\u00dfe oder eine Siedlung zeigt? In diesem Video erkl\u00e4ren wir anhand eines einfachen Beispiels, wie k\u00fcnstliche neuronale Netzwerke (Artificial Neural Networks, ANN) funktionieren. Wir bauen Schritt f\u00fcr Schritt ein kleines \u201ek\u00fcnstliches Gehirn\u201c, das anhand der RGB-Farbwerte eines Pixels entscheidet, ob es sich eher um Vegetation oder eine versiegelte Fl\u00e4che handelt. Dabei lernen wir die wichtigsten Bausteine eines neuronalen Netzes kennen: Input Layer, Hidden Layer, Weights, Bias, Aktivierungsfunktionen sowie Training und Backpropagation.<\/p>\n","innerContent":["\n<p>Erdbeobachtungssatelliten liefern t\u00e4glich enorme Mengen an Bilddaten. Doch wie erkennt man automatisch, ob ein Pixel Vegetation, eine Stra\u00dfe oder eine Siedlung zeigt? In diesem Video erkl\u00e4ren wir anhand eines einfachen Beispiels, wie k\u00fcnstliche neuronale Netzwerke (Artificial Neural Networks, ANN) funktionieren. Wir bauen Schritt f\u00fcr Schritt ein kleines \u201ek\u00fcnstliches Gehirn\u201c, das anhand der RGB-Farbwerte eines Pixels entscheidet, ob es sich eher um Vegetation oder eine versiegelte Fl\u00e4che handelt. Dabei lernen wir die wichtigsten Bausteine eines neuronalen Netzes kennen: Input Layer, Hidden Layer, Weights, Bias, Aktivierungsfunktionen sowie Training und Backpropagation.<\/p>\n"]},{"blockName":"core\/video","attrs":{"id":2331},"innerBlocks":[],"innerHTML":"\n<figure class=\"wp-block-video\"><video controls src=\"https:\/\/fis.rub.de\/wp-interface\/wp-content\/uploads\/2026\/04\/GW_ANN.mp4\"><\/video><figcaption>Neuronale Netzwerke<\/figcaption><\/figure>\n","innerContent":["\n<figure class=\"wp-block-video\"><video controls src=\"https:\/\/fis.rub.de\/wp-interface\/wp-content\/uploads\/2026\/04\/GW_ANN.mp4\"><\/video><figcaption>Neuronale Netzwerke<\/figcaption><\/figure>\n"]}],"innerHTML":"\n<div class=\"wp-block-group\">\n\n<\/div>\n","innerContent":["\n<div class=\"wp-block-group\">",null,"\n\n",null,"<\/div>\n"]}],"_links":{"self":[{"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/posts\/2295"}],"collection":[{"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/comments?post=2295"}],"version-history":[{"count":2,"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/posts\/2295\/revisions"}],"predecessor-version":[{"id":2333,"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/posts\/2295\/revisions\/2333"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/media\/2332"}],"wp:attachment":[{"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/media?parent=2295"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/categories?post=2295"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/fis.rub.de\/wp-interface\/wp-json\/wp\/v2\/tags?post=2295"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}