02: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2018/19, 06.11.2018

Autor

Johann Marius Zöllner

Herausgeber

KIT | Webcast

Beteiligtes Institut

Institut für Anthropomatik und Robotik (IAR)

Genre

Vorlesung

Beschreibung

02 |
0:00:00 Start
0:02:38 Neuronale Netze
0:06:32 ""Konnektionistische"" Verfahren
0:09:37 Perzeptron
0:14:17 Perzeptron Lernen - Geometrische Interpretation
0:16:40 Perzeptron - Lernalgorithmus
0:23:17 Kernel Methoden?
0:29:45 Nichtlineare Aktivierungsfunktionen
0:39:55 Anpassen der Gewichte
0:42:28 Fehlerflächen
0:44:16 Optimierungen des Gradientenabstiegs
0:49:55 Adam - Adaptive Moment Estimation
0:55:05 Initialisierung der Gewichte
0:58:28 Topologieauswahl MLNN
1:01:37 Verbesserung der Generalisierung (realer Fehler) von MLNN
1:05:41 Cascade Correlation I (Fahlman)
1:08:44 Dropout
1:14:26 Exploding/Vanishing-Gradient Problem
1:17:50 Residual Learning
1:20:30 Auswahl repräsentativer Trainingsbeispiele

Laufzeit (hh:mm:ss)

01:30:13

Serie

Maschinelles Lernen 1 - Grundverfahren, WS 2018/19

Publiziert am

08.11.2018

Fachgebiet

Informatik

Lizenz

KITopen-Lizenz