
03: Maschinelles Lernen 2 - Fortgeschrittene Verfahren , Vorlesung, SS 2017, 19.05.2017
Author
Editor
Participating institute
Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB)
Genre
Description
- 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
Duration (hh:mm:ss)
01:27:07
Series
Maschinelles Lernen 2 - Fortgeschrittene Verfahren, Vorlesung, SS 2017
Published on
22.05.2017
Subject area
License
Resolution | 1280 x 720 Pixel |
Aspect ratio | 16:9 |
Audio bitrate | 127730 bps |
Audio channels | 2 |
Audio Codec | aac |
Audio Sample Rate | 48000 Hz |
Total Bitrate | 933798 bps |
Color Space | yuv420p |
Container | mov,mp4,m4a,3gp,3g2,mj2 |
Media Type | video/mp4 |
Duration | 5227 s |
Filename | DIVA-2017-258_hd.mp4 |
File Size | 4.096 byte |
Frame Rate | 25 |
Video Bitrate | 799973 bps |
Video Codec | h264 |
Embed Code
Maschinelles Lernen 2 - Fortgeschrittene Verfahren, Vorlesung, SS 2017
Episodes 1-8
of 8