Convolutional Neural Network (CNN). Grundlagen, Funktionsweise und Anwendungsgebiete

Studienarbeit aus dem Jahr 2025 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,3, AKAD University, ehem. AKAD Fachhochschule Stuttgart (Wirtschaftsingenieurwesen), Sprache: Deutsch, Abstract: Diese Arbeit soll einen umfassenden Uberblick uber die theoretischen Grundlagen und die Funktionsweise Kunstlicher Neuronaler Netze (KNNs) im Allgemeinen und von CNNs im Speziellen geben, sodass auch deren Anwendungsgebiete nachvollziehbar werden. So soll ein fundierter Einstieg in das Thema geboten werden. In Kapitel 2 wird zunachst ein Grundverstandnis des Deep Learning vermittelt, einschlie lich der Einordnung in das Feld des Machine Learning und der historischen Entwicklung KNNs. Kapitel 3 widmet sich anschlie end den CNNs im Detail, wobei deren grundlegender Aufbau und Funktionsweise erlautert werden. Daruber hinaus wird auf Regularisierungsmethoden, insbesondere auf Dropout, eingegangen. Anschlie end werden zentrale Anwendungsgebiete von CNNs sowie moderne Architekturen wie ResNet, DenseNet und Octave Convolution vorgestellt. Die Arbeit schlie t mit einer Zusammenfassung und einer kritischen Wurdigung, in der die zentralen Erkenntnisse der Untersuchung reflektiert werden. Die kritische Wurdigung setzt sich zudem mit moglichen Einschrankungen der eigenen Analyse auseinander und diskutiert offene Fragen sowie potenzielle Verbesserungspotenziale in der methodischen Herangehensweise.