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 ...
Read More
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
Read Less
Add this copy of Convolutional Neural Networks (CNN). Eigenschaften und to cart. $38.65, like new condition, Sold by GreatBookPrices rated 4.0 out of 5 stars, ships from Columbia, MD, UNITED STATES, published 2024 by Grin Verlag.
Choose your shipping method in Checkout. Costs may vary based on destination.
Seller's Description:
Fine. Text in German. Trade paperback (US). Glued binding. 22 p. In Stock. 100% Money Back Guarantee. Brand New, Perfect Condition, allow 4-14 business days for standard shipping. To Alaska, Hawaii, U.S. protectorate, P.O. box, and APO/FPO addresses allow 4-28 business days for Standard shipping. No expedited shipping. All orders placed with expedited shipping will be cancelled. Over 3, 000, 000 happy customers.
Add this copy of Convolutional Neural Networks (CNN). Eigenschaften und to cart. $38.95, new condition, Sold by GreatBookPrices rated 4.0 out of 5 stars, ships from Columbia, MD, UNITED STATES, published 2024 by Grin Verlag.
Choose your shipping method in Checkout. Costs may vary based on destination.
Seller's Description:
New. Text in German. Trade paperback (US). Glued binding. 22 p. In Stock. 100% Money Back Guarantee. Brand New, Perfect Condition, allow 4-14 business days for standard shipping. To Alaska, Hawaii, U.S. protectorate, P.O. box, and APO/FPO addresses allow 4-28 business days for Standard shipping. No expedited shipping. All orders placed with expedited shipping will be cancelled. Over 3, 000, 000 happy customers.