https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1 en-us 2021-04-28 18:16:57 UTC 2022-08-17 08:16:59 UTC hello@padlet.com myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470520510 2021-04-28 18:21:25 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470520510 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470523026 2021-04-28 18:21:54 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470523026 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470525200 2021-04-28 18:22:20 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470525200 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470531949 2021-04-28 18:23:45 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470531949 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470547455 Einfaches zweilagiges feed-forward Perzeptron]]> 2021-04-28 18:27:03 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470547455 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470560268 Das Perzeptron ist ein vereinfachtes künstliches neuronales Netz. Es besteht in der Grundversion (einfaches Perzeptron) aus einem einzelnen künstlichen Neuron mit anpassbaren Gewichtungen und einem Schwellenwert. ]]> 2021-04-28 18:29:45 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470560268 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470576564 2021-04-28 18:33:10 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470576564 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470607261 Kohonennetze]]> 2021-04-28 18:39:50 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470607261 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470620578 Kohonennetze bezeichnet man eine Art von künstlichen neuronalen Netzen. Sie sind als unüberwachtes Lernverfahren ein leistungsfähiges Werkzeug des Data-Mining. Ihr Funktionsprinzip beruht auf der biologischen Erkenntnis, dass viele Strukturen im Gehirn eine lineare oder planare Topologie aufweisen. Die Signale des Eingangsraums, z. B. visuelle Reize, sind jedoch multidimensional.]]> 2021-04-28 18:42:43 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470620578 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470628617 Hopfield-Netz mit vier „Neuronen“]]> 2021-04-28 18:44:31 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470628617 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470633835 2021-04-28 18:45:38 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470633835 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470665478 Hopfield-Netze gehören zur Klasse der Feedback-Netze (Netze mit Rückkopplung). Bei einem Hopfield-Netz existiert nur eine Schicht, die gleichzeitig als Ein- und Ausgabeschicht fungiert. ]]> 2021-04-28 18:52:37 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470665478 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470694021 2021-04-28 18:59:13 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470694021 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470705915 Struktur eines typischen CNNs zur Bildklassifikation.]]> 2021-04-28 19:02:05 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470705915 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470710927 Animation einer 2D-Convolution.]]> 2021-04-28 19:03:15 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470710927 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470720651 Ein Convolutional Neural Network (CNN oder ConvNet), zu Deutsch etwa „faltendes neuronales Netzwerk“, ist ein künstliches neuronales Netz. Es handelt sich um ein von biologischen Prozessen inspiriertes Konzept im Bereich des maschinellen Lernens. Convolutional Neural Networks finden Anwendung in zahlreichen Technologien der künstlichen Intelligenz, vornehmlich bei der maschinellen Verarbeitung von Bild- oder Audiodaten.]]> 2021-04-28 19:05:30 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470720651 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470813094 2021-04-28 19:28:24 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470813094 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470822772 Grundlegende ART Struktur]]> 2021-04-28 19:30:58 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470822772 myagkovalyu https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470832352
Das einfache ART-System gehört zur Klasse der nicht überwacht lernenden Algorithmen. Typischerweise besteht es aus einem Vergleichs-Feld F1 und einem Erkennungs-Feld F2, einem Wachsamkeits-Parameter P und einem Reset-Modul R. Neuronen in F1 repräsentieren Attribute, Neuronen in F2 Kategorien. Daher bestehen beide Felder meist aus einer unterschiedlichen Anzahl von Neuronen. F1 und F2 sind bidirektional voll vernetzt. Jede Verbindung wird mit einem spezifischen Gewicht bewertet. Diese Gewichte sind der Langzeit-Speicher von ART. Alle Gewichte von F1 nach F2 sind in einer Gewichtsmatrix W zusammengefasst, die anderen gehören zur Gewichtsmatrix Z. Der Wachsamkeits-Parameter hat beträchtlichen Einfluss auf das System: ein hoher Wert verursacht feingranulare Erinnerungen (viele, kleine Kategorien), ein niedriger Wert sorgt für mehr Abstraktion (weniger, gröbere Kategorien).

]]> 2021-04-28 19:33:35 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1470832352 romzes0607 https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1472848712 2021-04-29 09:06:13 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/1472848712 baranova57 https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/2263081628 2022-08-17 08:16:59 UTC https://padlet.com/myagkovalyu/gk97xv78lvfo2iw1/wish/2263081628