06: Maschinelles Lernen 1 – Grundverfahren, Vorlesung, WS 2017/18, 05.12.2017
Autor
Herausgeber
Beteiligtes Institut
Institut für Anthropomatik und Robotik (IAR)
Genre
Beschreibung
06 |
0:00:00 Starten
0:00:10 Neuronale Netze
0:04:59 Ein biologischen Vorbild
0:07:40 Vergleich zw. Gehirn und seriellem Rechner
0:11:17 ,,Konnektionistische'' Verfahren
0:19:23 Spiking Neural Networks
0:23:06 The Cerebellum
0:24:23 Anatomy of the cerebellum
0:26:01 Approach - Functional cerebellum model
0:27:22 Body Control Model
0:27:44 Approach - Control Model
0:28:44 Control model
0:29:58 Implementation - System Architecture
0:36:49 Implementation - Encoding
0:39:10 Decoding
0:42:15 mNetwork Characteristics
0:43:43 Klassische Problemstellungen
0:46:12 Typische Einsatzfelder künstlicher Neuronaler Netze
0:47:50 Einfache Realisierung: Perzeptron
0:47:54 Perzeptron (Rosenblatt 1960)
0:58:44 Perzeptron: Geometrische Interpretation
0:59:43 Lernen - Geometrische Interpretation
1:01:37 Perzeptron - Lernalgorithmus
1:03:00 Multi Layer Feedforward Neural Network
1:11:45 Gradientenabstieg - Fehlerfunktion
1:13:43 Gradientenabstieg - Deltaregel
1:14:12 Perzeptron Kapazität
1:14:57 Kernel Methoden?
Laufzeit (hh:mm:ss)
01:16:08
Serie
Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2017/18
Publiziert am
06.12.2017
Fachgebiet
Lizenz
Auflösung | 1280 x 720 Pixel |
Seitenverhältnis | 16:9 |
Audiobitrate | 85170 bps |
Audio Kanäle | 2 |
Audio Codec | aac |
Audio Abtastrate | 48000 Hz |
Gesamtbitrate | 906916 bps |
Farbraum | yuv420p |
Container | mov,mp4,m4a,3gp,3g2,mj2 |
Medientyp | video/mp4 |
Dauer | 4569 s |
Dateiname | DIVA-2017-750_hd.mp4 |
Dateigröße | 4.096 byte |
Bildwiederholfrequenz | 25 |
Videobitrate | 815652 bps |
Video Codec | h264 |
Embed-Code