Was Sie in diesem essential finden können 6
Inhaltsverzeichnis 7
1 Einführung 9
2 Maschinelles Lernen ohne neuronale Netzwerke 15
2.1 Hauptkomponentenanalyse 15
2.1.1 HKA Algorithmus 16
2.1.2 Kernbasierte HKA 19
2.2 Lineare Methoden des überwachten Lernens 21
2.2.1 Lineare Regression 21
2.2.2 Lineare Klassifikationsmethode 31
3 Neuronale Netzwerke und überwachtes Lernen 33
3.1 Ein Neuron als Funktion 34
3.2 Ein einfaches neuronales Netz 36
3.3 Training 38
3.4 Ein elementares Beispiel: MNIST 42
3.5 Regularisierung 44
3.6 Convolutional Neural Networks 46
3.6.1 Der Convolutional Layer 46
3.6.2 Pooling 48
3.6.3 Beispiel: DNA-Klassifizierung 49
3.6.4 Beispiel: Fortgeschrittenes MNIST 51
3.7 Rekurrentes neuronales Netz 52
4 Unüberwachtes Lernen 54
4.1 Begrenzte Boltzmann-Maschinen 54
4.1.1 Training eines RBM 57
4.1.2 Beispiel: Bildrekonstruktion/Rauschentfernung 60
4.2 Ein RNN unüberwacht trainieren 60
4.3 Autoencoder 61
4.3.1 Variationelle Autoencoder 62
4.4 Generative Adversarial Networks 64
5 Interpretierbarkeit von neuronalen Netzwerken 66
5.1 Dreaming und das Extrapolationsproblem 66
5.2 Rauschanfälligkeit von Netzwerken 68
5.3 Autoencoder interpretieren 71
6 Schlusskommentare 73
Was Sie aus diesem essential mitnehmen können 75
Bibliotheken für maschinelles Lernen 76

scihub/10.1007/978-3-658-32268-7.pdf

494722_1_De_Print.indd

0012149

sci-hub for update

producers:
Acrobat Distiller 10.1.16 (Windows)

2021-10-06