Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17, 06.12.2016, 04
Author
Editor
Participating institute
Institut für Anthropomatik und Robotik (IAR)
Genre
Description
- 0:00:00 Starten
- 0:00:47 Grundsatz
- 0:01:24 Überwachtes Lernen aus Beispielen (Wdh.)
- 0:02:29 Abschätzung des Testfehlers (VC-Dim.)
- 0:04:34 Lösungsansatz: Structural Risk Minimization
- 0:07:03 Support Vektor Methode
- 0:07:36 Lineare Support Vektor Methode
- 0:09:50 SV – Methode, Trennebene
- 0:11:17 SV – Methode, Formalisierung
- 0:13:02 SV – Optimierung, Problem
- 0:14:10 Minimierung: Lagrange - Methode
- 0:17:41 Support Vektoren (1)
- 0:20:14 Beispiel (1)
- 0:22:33 Generalisierte optimale Hyperebene
- 0:25:23 Support Vektoren (2)
- 0:27:29 Beispiel (2)
- 0:27:45 Nichtlineare Kernel-Methoden (SVM)
- 0:29:50 Kernel-Trick, Nichtlineare SVM
- 0:33:23 Kernel Funktionen
- 0:35:38 SVM Architektur
- 0:39:14 Beispiel (3)
- 0:40:07 Version Space für SVM
- 0:45:18 Wieso SRM bei SVM?
- 0:46:41 Eigenschaften der SVM
- 0:47:51 Erweiterungen SVM -Klassifikation
- 0:50:21 Gewichtete SVM
- 0:53:25 Dichte – Träger Schätzung
- 0:55:29 Weitere Kernel Methoden
- 0:58:05 Kernel Perceptron
- 0:58:39 Weitere Anwendungen der SV-Methode
- 1:01:04 SVM: Anwendungen/Diskussion
- 1:01:28 SVM – Gender Classification
- 1:06:38 SVM - Gesichterkennung
- 1:08:32 Erkennung v. Verkehrszeichen
- 1:15:38 Wetterklassifikation
- 1:15:51 Erkennung von Aktionen
- 1:18:07 Pro und Kontra SVM
Duration (hh:mm:ss)
01:22:30
Series
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17
Published on
22.12.2016
Subject area
License
| Resolution | 1280 x 720 Pixel |
| Aspect ratio | 16:9 |
| Audio bitrate | 88834 bps |
| Audio channels | 2 |
| Audio Codec | aac |
| Audio Sample Rate | 48000 Hz |
| Total Bitrate | 893791 bps |
| Color Space | yuv420p |
| Container | mov,mp4,m4a,3gp,3g2,mj2 |
| Media Type | video/mp4 |
| Duration | 4950 s |
| Filename | DIVA-2016-842_hd.mp4 |
| File Size | 4.096 byte |
| Frame Rate | 25 |
| Video Bitrate | 798861 bps |
| Video Codec | h264 |
Embed Code
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17
Episodes 1-11
of 11
