Convolutional Neural Networks (CNN). Eigenschaften und Lernalgorithmen [German]

By: Sternitzke, Julian

Studienarbeit aus dem Jahr 2024 im Fachbereich Informatik - K nstliche Intelligenz, Note: 1,0, AKAD University, ehem. AKAD Fachhochschule Stuttgart (Technik und Informatik), Veranstaltung: Deep Learning, Sprache: Deutsch, Abstract: Prim rziel der Arbeit ist es, den grundlegenden Aufbau und die Funktionsweise von CNN zu erl utern. Dabei wird ebenfalls die Regularisierungsmethode Dropout zur Effizienzsteigerung vorgestellt, sowie fortgeschrittene CNN-Architekturen und Layertypen angeschnitten. Ein genereller berblick ber KNN soll dabei zum besseren Verst ndnis der Architektur beitragen. Um die Bedeutung von CNN f r das Deep Learning darzustellen, wird die historische Entwicklung dieser Disziplin im Allgemeinen und von CNNs im Speziellen skizziert. Weiterhin werden Einsatzm glichkeiten von CNN abseits der Bilderkennung vorgestellt. Sp testens seit dem Sieg von Google DeepMinds Programm "AlphaGo" gegen den Go-Spitzenspieler Lee Se-dol im M rz 2016 sind Deep Learning und K nstliche Neuronale Netze (KNN ) im medialen Mainstream angekommen. F r den Erfolg von AlphaGo ist jedoch eine au erhalb von Fachkreisen weniger bekannte Variante des Deep Learnings namens Convolutional Neural Networks (CNN) verantwortlich, die normalerweise f r die Bilderkennung eingesetzt wird. In diesem Bereich sind die CNN sp testens ab dem Jahr 2015 zum Standard geworden. Das Assignment ist in vier Kapitel gegliedert. Auf die Einf hrung in die Fragestellung in Kapitel 1 folgt der Hauptteil mit den Kapiteln 2 und 3. Kapitel 2 stellt ein Grundlagenkapitel dar, in dem Deep Learning definiert und die Bestandteile und Wirkmechanismen eines KNN anhand von Feedforward-Netzen vorgestellt werden. Kapitel 3 befasst sich eingehend mit CNN. Zun chst werden der Aufbau und die unterschiedlichen Layertypen erkl rt. Anschlie end wird die Funktionsweise von CNN erl utert, wobei auch auf Unterschiede zur KNN-Architektur aus Kapitel 2 eingegangen wird. Weiterhin wird die Regularisierungsmethode "Dropout" f r die

• Format: Paperback
• Language: German
• ISBN: 3389000542
• ISBN13: 9783389000540
• Release Date: March 2024
• Publisher: Grin Verlag
• Length: 22 Pages
• Weight: 0.09 lbs.
• Dimensions: 0.1" x 5.8" x 8.3"