03: Maschinelles Lernen 2 - Fortgeschrittene Verfahren , Vorlesung, SS 2017, 19.05.2017
Autor
Herausgeber
Beteiligtes Institut
Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Genre
Beschreibung
03 |
0:00:00 Starten
0:00:10 Vergleich typischer Lernkurven
0:01:29 Lernszenarien
0:03:08 Wie wählt man die nötigen Lerndaten?
0:05:59 Weiter Unsicherheitsmaße
0:09:04 Unsicherheitsmaße
0:10:48 Diskussion und Anwendung in Lernszenarien
0:13:41 Version Space (konsistenter Hypothesenraum)? Wdh?!
0:16:25 Simpler (naiver) Version Space Algorithmus
0:19:16 Query - by - Committee QBC
0:23:11 Ausreißerproblem
0:25:19 Version Space für SVM
0:29:04 Aktives Lernen mit SVM - Version Space
0:39:23 Aktives Lernen Verkehrszeichenerkennung
0:44:07 V04 Deep Learning - Deep Belief Networks
0:52:45 Dann: ""A temporary digression""
0:59:14 Einteilung Lernverfahren
1:01:08 Deep Belief Netz
1:02:12 (Parametrisiertes) Belief Netz = korrektes Modell
1:06:32 Lernen in ""Deep"" Belief Nets
1:07:57 Lernen für Sigmoide Belief Netze
1:13:14 Blotzmann Maschinen
Laufzeit (hh:mm:ss)
01:27:07
Serie
Maschinelles Lernen 2 - Fortgeschrittene Verfahren, Vorlesung, SS 2017
Publiziert am
22.05.2017
Fachgebiet
Lizenz
| Auflösung | 1280 x 720 Pixel |
| Seitenverhältnis | 16:9 |
| Audiobitrate | 127730 bps |
| Audio Kanäle | 2 |
| Audio Codec | aac |
| Audio Abtastrate | 48000 Hz |
| Gesamtbitrate | 933798 bps |
| Farbraum | yuv420p |
| Container | mov,mp4,m4a,3gp,3g2,mj2 |
| Medientyp | video/mp4 |
| Dauer | 5227 s |
| Dateiname | DIVA-2017-258_hd.mp4 |
| Dateigröße | 4.096 byte |
| Bildwiederholfrequenz | 25 |
| Videobitrate | 799973 bps |
| Video Codec | h264 |
Embed-Code
