PD Stefan Bosse - Maschinelles Lernen und Datenanalyse - Modul E: Künstliche Neuronale Netze
In der Mess- und Prüftechnik
PD Stefan Bosse
Universität Bremen - FB Mathematik und Informatik
PD Stefan Bosse - Maschinelles Lernen und Datenanalyse - Modul E: Künstliche Neuronale Netze
Zielvariablen: Numerische Variablen
Eigenschaftsvariablen: Numerische Variablen
Modell: Gerichteter Graph (zyklisch oder azyklisch)
Training und Algorithmen: Backpropagation
Klasse: Überwachtes Lernen
PD Stefan Bosse - Maschinelles Lernen und Datenanalyse - Modul E: Künstliche Neuronale Netze
Ein KNN ist eine Komposition aus einer Vielzahl von Abbildungsfunktionen G=(g1,g2,..,gm). Es gibt Parallelen zu Regressionsverfahren mit Funktionen.
PD Stefan Bosse - Maschinelles Lernen und Datenanalyse - Modul E: Künstliche Neuronale Netze
M(X):X→Y,X={xi},Y={yj}KNN=⟨Nx,Nd,Ny,E⟩Nx={ni:ni↔{xj}},Nd={nd},Ny={nk:nk↔yk}n=g(→p,→w,b):→p→o=f(∑iwipi+b)E={eij:ni↦njwij}
PD Stefan Bosse - Maschinelles Lernen und Datenanalyse - Modul E: Künstliche Neuronale Netze
PD Stefan Bosse - Maschinelles Lernen und Datenanalyse - Modul E: Künstliche Neuronale Netze
15