Recurrent Neural Networks (RNNs) geh\u00f6ren zur Kategorie K\u00fcnstliche Intelligenz und spielen auch eine wichtige Rolle bei Big Data und Smart Data sowie in der Automatisierung. RNNs sind spezielle Formen von k\u00fcnstlichen neuronalen Netzen, die daf\u00fcr entwickelt wurden, mit Daten umzugehen, die eine Reihenfolge haben \u2013 zum Beispiel bei Texten, Ton oder Zeitreihen.<\/p>\n
Im Gegensatz zu klassischen k\u00fcnstlichen neuronalen Netzen k\u00f6nnen RNNs Informationen aus fr\u00fcheren Schritten \u201cmerken\u201d und sie f\u00fcr sp\u00e4tere Entscheidungen nutzen. So k\u00f6nnen sie Zusammenh\u00e4nge erkennen, die nicht sofort offensichtlich sind. Das macht RNNs besonders n\u00fctzlich f\u00fcr Aufgaben wie Sprach- und Texterkennung, \u00dcbersetzungen oder auch die Vorhersage von Aktienkursen.<\/p>\n
Ein plakatives Beispiel: Beim Tippen in einer Smartphone-Nachricht schl\u00e4gt das Ger\u00e4t oft vor, wie ein angefangener Satz weitergehen k\u00f6nnte. Dahinter steckt h\u00e4ufig ein Recurrent Neural Network, das aus fr\u00fcheren Texteingaben Muster erlernt hat und darauf basierend die n\u00e4chsten W\u00f6rter vorschl\u00e4gt.<\/p>\n
Dadurch helfen RNNs Unternehmen bei der Automatisierung allt\u00e4glicher Prozesse, machen Dienste smarter und tragen dazu bei, gro\u00dfe Datenmengen sinnvoll auszuwerten.<\/p>\n","protected":false},"excerpt":{"rendered":"