Hidden Layer

Ein neuronales Netz besteht typischerweise aus drei Arten von Schichten: einer Eingabeschicht (nimmt die Rohdaten auf), einer oder mehreren Hidden Layers (verarbeiten die Daten intern) und einer Ausgabeschicht (liefert das Ergebnis). Die Hidden Layers sind das eigentliche Herzstück: hier lernt das Modell, welche Merkmale für die Aufgabe relevant sind, und wie diese kombiniert werden.

Die Anzahl der Hidden Layers bestimmt die Modellkapazität. Klassische neuronale Netze (vor 2010) hatten meist nur eine oder zwei Hidden Layers. Moderne Deep-Learning-Modelle wie GPT haben dutzende bis hunderte Hidden Layers, die hierarchisch immer abstraktere Repräsentationen aufbauen. Frühe Schichten erkennen einfache Muster, spätere Schichten komplexe Konzepte.

Für Pimcore-Anwender ist Hidden Layer ein technisches Konzept hinter den KI-Funktionen der Plattform. Bildverschlagwortung, Klassifizierung und Textgenerierung nutzen Deep-Learning-Architekturen mit vielen Hidden Layers. Anwender müssen die internen Schichten nicht verstehen, profitieren aber von der Modellleistung, die diese ermöglichen.