Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17, 15.11.2016, 02
Autor
Herausgeber
Beteiligtes Institut
Institut für Anthropomatik und Robotik (IAR)
Genre
Beschreibung
- 0:00:00 Starten
- 0:00:46 Charakterisierung von Lernmaschinen
- 0:01:38 Grundsatz
- 0:02:47 Lernmaschine
- 0:05:12 Probleme beim Lernen
- 0:07:36 Zwei einfache Beispiele
- 0:09:10 Überwachtes Lernen aus Beispielen
- 0:10:53 Lernen? Fehlerdefinition
- 0:12:15 Fehlermaßfunktion
- 0:13:55 Realer & Empirischer Fehler
- 0:15:55 Lernen: Fehlerminimierung
- 0:18:28 Overfitting
- 0:23:44 Modellwahl
- 0:25:23 Modellgüte - ""Validierung""
- 0:28:03 Bootstrap
- 0:28:33 Bagging = Bootstrap aggregation
- 0:29:50 Boosting für Klassifikation – ursprünglich Scharpie 1990
- 0:32:27 AdaBoost - Adaptive Boosting
- 0:38:24 Adaptive Boosting Beispiel
- 0:41:01 Speziell: Viola & Jones Objekterkennung [ca. 2001-2003]
- 0:45:44 Kaskadierung Viola & Jones 2001
- 0:50:11 Kaskadierung - nach Viola & Jones
- 0:50:43 AdaBoost - nach Viola & Jones
- 0:51:56 (Frühe) Ergebnisse von Viola Jones
- 0:54:59 PAC - Lernbarkeit
- 0:58:50 PAC - Stichprobenkomplexität
- 1:00:11 PAC - Beispiel
- 1:01:50 Vapnik-Chervonenkis (VC) Dimension
- 1:03:56 VC Dimension Beispiel
- 1:05:38 VC Diemension – Nutzen 1
- 1:06:14 VC Diemension – Nutzen 2
- 1:07:28 Abschätzung des Testfehlers
- 1:13:20 Lösungsansatz: Structural Risk Minimization
- 1:17:03 Zusammenfassung
- 1:17:59 ... und wie geht es weiter in ML
- 1:18:44 Literatur
Laufzeit (hh:mm:ss)
01:19:26
Serie
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17
Publiziert am
22.12.2016
Fachgebiet
Lizenz
Auflösung | 1280 x 720 Pixel |
Seitenverhältnis | 16:9 |
Audiobitrate | 91036 bps |
Audio Kanäle | 2 |
Audio Codec | aac |
Audio Abtastrate | 48000 Hz |
Gesamtbitrate | 835309 bps |
Farbraum | yuv420p |
Container | mov,mp4,m4a,3gp,3g2,mj2 |
Medientyp | video/mp4 |
Dauer | 4767 s |
Dateiname | DIVA-2016-840_hd.mp4 |
Dateigröße | 4.096 byte |
Bildwiederholfrequenz | 25 |
Videobitrate | 738178 bps |
Video Codec | h264 |
Embed-Code
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17
Folgen 1-11
von 11