02: Maschinelles Lernen 1 - Grundverfahren, Vorlesung, WS 2018/19, 06.11.2018
Author
Editor
Participating institute
Institut für Anthropomatik und Robotik (IAR)
Genre
Description
- 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
Duration (hh:mm:ss)
01:30:13
Series
Maschinelles Lernen 1 - Grundverfahren, WS 2018/19
Published on
08.11.2018
Subject area
License
| Resolution | 1280 x 720 Pixel |
| Aspect ratio | 16:9 |
| Audio bitrate | 128000 bps |
| Audio channels | 2 |
| Audio Codec | aac |
| Audio Sample Rate | 48000 Hz |
| Total Bitrate | 934448 bps |
| Color Space | yuv420p |
| Container | mov,mp4,m4a,3gp,3g2,mj2 |
| Media Type | video/mp4 |
| Duration | 5413 s |
| Filename | DIVA-2018-807_hd.mp4 |
| File Size | 632.309.955 byte |
| Frame Rate | 25 |
| Video Bitrate | 800350 bps |
| Video Codec | h264 |
Embed Code
Maschinelles Lernen 1 - Grundverfahren, WS 2018/19
Episodes 1-12
of 12
