KIT-Bibliothek

Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17

Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17

Author

Darius Azarfar, Rüdiger Dillmann, J. Marius Zöllner

Editor

KIT | Webcast

Genre

Vorlesung

Description

Das Themenfeld Wissensakquisition und Maschinelles Lernen ist ein stark expandierendes Wissensgebiet und Gegenstand zahlreicher Forschungs- und Entwicklungsvorhaben. Der Wissenserwerb kann dabei auf unterschiedliche Weise erfolgen. So kann ein System Nutzen aus bereits gemachten Erfahrungen ziehen, es kann trainiert werden, oder es zieht Schlüsse aus umfangreichem Hintergrundwissen.
Die Vorlesung behandelt sowohl symbolische Lernverfahren, wie induktives Lernen (Lernen aus Beispielen, Lernen durch Beobachtung), deduktives Lernen (Erklärungsbasiertes Lernen) und Lernen aus Analogien, als auch subsymbolische Techniken wie Neuronale Netze, Support Vektor-Maschinen und Genetische Algorithmen. Die Vorlesung führt in die Grundprinzipien sowie Grundstrukturen lernender Systeme ein und untersucht die bisher entwickelten Algorithmen. Der Aufbau sowie die Arbeitsweise lernender Systeme wird an einigen Beispielen, insbesondere aus den Gebieten Robotik und Bildverarbeitung, vorgestellt und erläutert.

Subject area

Computer science

License

KITopen Licence

Note

You can subscribe to the contributions of this series as a podcast.

Embed Code