Mustererkennung mit Neuronalen Netzen - Informatik

Weitere Magazine

Empfehlungen

Info

Das Backpropagation–Verfahren im Detail  (Quelle: Lämmel und Cleve, "Künstliche Intelligenz", Hanser Verlag)" Für ein inneres Neuron wird der Fehler aus den Fehlersignalen der nachfolgenden Neuronen er<strong>mit</strong>telt: Das Fehlersignal δ ist dabei als Produkt des ersten und zweiten Faktors der Gleichung - δ j definiert: Bildverarbeitung und Biometrik SS13 7.30
Das Backpropagation–Verfahren im Detail  (Quelle: Lämmel und Cleve, "Künstliche Intelligenz", Hanser Verlag)" Zusammenfassend ergibt sich für das Fehlersignal δ unter Verwendung der logistischen Funktion als Aktivierungsfunktion: Die Änderung eines Verbindungsgewichtes wird unter Berücksichtigung des Lernfaktors λ aus der Ausgabe des vorgeschalteten Neurons und des zurückpropagierten Fehlersignals berechnet: Bildverarbeitung und Biometrik SS13 7.31
Seite 1 und 2: Bildverarbeitung und Biometrik  
Seite 3 und 4: Warum künstliche neuronale Netze ?
Seite 5 und 6: Nervensysteme " Erst durch das Zus
Seite 7 und 8: Mathematisches Modell eines Künstl
Seite 9 und 10: Entscheidungs-/Aktivierungsfunktion
Seite 12 und 13: Topologie neuronaler Netze (3)  B
Seite 14 und 15: Das Perzeptron als Klassifikationsm
Seite 16 und 17: Mehrschichtiges Perzeptron (2)  M
Seite 19 und 20: Wie lernt ein Perzeptron ?" Als Le
Seite 21 und 22: Lernregel für das Perzeptron (2)"
Seite 23 und 24: Das Backpropagation - Lernverfahren
Seite 25 und 26: Das Backpropagation-Verfahren im De
Seite 29: Das Backpropagation-Verfahren im De
Seite 34 und 35: Generalisierung und Überanpassung
Seite 36 und 37: "Deep Neural Network" Architecture

Mustererkennung mit Neuronalen Netzen - Informatik

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?