Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2016/17, 17.01.2017, 08

Autor

J. Marius Zöllner

Herausgeber

KIT | Webcast

Beteiligtes Institut

Institut für Anthropomatik und Robotik (IAR)

Genre

Vorlesung

Beschreibung

08 |
0:00:00 Starten
0:03:04 1. Motivation
0:03:05 Markov Logik
0:06:55 2. Hintergrund
0:07:00 Prädikatenlogik erster Ordnung
0:11:24 Markov Netz - Verbundwahrscheinlichkeit
0:17:33 3. Markov Logik
0:17:43 Grundidee: Markov Logik
0:19:58 Definition Markov Logik Netz
0:20:20 Beispiel: Friends & Smokers
0:28:34 4. Inferenz
0:34:27 Vergleich zu Prädikatenlogik erster Ordnung
0:36:36 MAP/MPE Inferenz
0:40:52 WalkSAT Algorithmus
0:42:44 Aber ... Speicherkomplexität
0:45:51 Anfragen und Wahrscheinlichkeiten
0:50:38 5. Lernen
0:50:52 Lernen
0:52:32 Generatives Lernen von Gewichten
0:56:33 Diskriminatives Lernen von Gewichten
0:57:41 Struktur Lernen - Idee
1:00:16 6. Software/Anwendungen
1:01:00 Anwendungen: Informationsgewinnung
1:02:33 Problemstellung: Segmentierung
1:03:18 Typische Ansätze vs. MLN
1:06:28 Formeln
1:09:38 Ergebnisse
1:10:50 MLNs zur Erkennung von Baustellen
1:15:41 Evaluation Baustellenerkennung
1:16:14 Relevanzbestimmung von Ampeln
1:22:05 Evaluation Relevanzbestimmung

Laufzeit (hh:mm:ss)

01:26:07

Serie

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

Publiziert am

20.01.2017

Fachgebiet

Informatik

Lizenz

KITopen-Lizenz