{"id":1009,"date":"2026-05-30T13:20:44","date_gmt":"2026-05-30T13:20:44","guid":{"rendered":"https:\/\/gigers.com\/blog\/?p=1009"},"modified":"2026-05-30T13:45:49","modified_gmt":"2026-05-30T13:45:49","slug":"neuronale-netze-zur-erkennung-von-0-und-1","status":"publish","type":"post","link":"https:\/\/gigers.com\/blog\/neuronale-netze-zur-erkennung-von-0-und-1\/","title":{"rendered":"Neuronale Netze zur Erkennung von 0 und 1"},"content":{"rendered":"

1989 ver\u00f6ffentlichten Y. LeCun et al. ihre Arbeit \u00fcber die Erkennung von Postleitzahlen mithilfe von neuronalen Netzen (Quelle<\/a>) und dieser Ansatz geh\u00f6rt unterdessen zu den Standardunterrichtseinheiten bei der Einf\u00fchrung des Themas und Sch\u00fclerinnen und Sch\u00fcler experimentieren mit entsprechenden interaktiven Anwendungen (Beispiel<\/a>). Dabei kommen einerseits f\u00fcr den didaktischen Einsatz vergleichsweise grosse neuronale Netze zum Einsatz, z.B. 768 (28 x 28) Bildpunkte als Eingaben f\u00fcr das neuronale Netz, LeCun selbst arbeitete mit einer Aufl\u00f6sung von 16 x 16, andererseits werden auch viele beschriftete Testdaten ben\u00f6tigt.<\/p>\n

Deshalb stellt sich die Frage, wieweit solche Systeme im Unterricht reduziert werden k\u00f6nnen, sodass sie einerseits f\u00fcr Lernende \u00fcberschaubarer werden, anderseits aber das Potential behalten, auch komplexere Probleme mit einer einigermassen handhabbaren Anzahl von Versuchsdaten zu l\u00f6sen.<\/p>\n

Ein m\u00f6glicher Ansatz mit der blockbasierten Programmiersprache Snap!, die unter anderem auch Bl\u00f6cke rund um das Thema neuronale Netze zu Verf\u00fcgung stellt, wird im Folgenden beschrieben.<\/p>\n

Neuronale Netze trainieren<\/h2>\n

Sch\u00fclerinnen und Sch\u00fcler der Sekundarstufe I sollen anhand eines mininalen Ansatzes, der Erkennung von Nullen und Einsen, mit einem neuronalen Netz experimentieren. Dabei sollen sie die Trainingsdaten selbst erfassen und nach dem Training des neuronalen Netzes untersuchen, wie gut und unter welchen Umst\u00e4nden das neuronale Netz diese Ziffern unterscheiden kann. Anschliessend sollen sie mit den gleichen Fragestellungen zus\u00e4tzliche Zeichen trainieren und deren Erkennungsraten unter verschiedenen Bedingungen untersuchen.<\/p>\n

Hinweis: In Anlehnung an die Gestenerkennung in Snap!<\/a> sollen alle Zeichen aus einem Linienzug bestehen. (Die Programmierung kann in dieser Hinsicht nat\u00fcrlich auch angepasst werden.)<\/p>\n

Das Programm<\/h3>\n

Das Programm (Link<\/a>) besteht aus den folgenden Teilen (Sprites):<\/p>\n

Start<\/strong>: Im Startsprite wird der Zweck des Programms erkl\u00e4rt und die Umgebung eingerichtet.<\/p>\n

\"Start<\/p>\n

Damit das Programm m\u00f6glichst \u00fcberschaubar bleibt, werden die Zeichen nicht normalisiert. Stattdessen steht ein Zeichenbereich zu Verf\u00fcgung, in den Nullen und Einsen hineingeschrieben werden k\u00f6nnen. Diese didaktische Reduzierung kann einen Einfluss auf die Datenqualit\u00e4t haben, welche im Bereich Training wichtig wird.<\/p>\n

Training<\/strong>: Im Trainingsteil k\u00f6nnen die Trainingsdaten erhoben werden, wobei verschiedene Anpassungen an die Einstellungen m\u00f6glich sind.<\/p>\n

\"Im<\/p>\n

F\u00fcr das Erfassen der Daten ist es sinnvoll einige Einstellungen anzupassen:<\/p>\n