Verwaltungsinformationen
| Titel | Erstellung von Rechengrafiken, moderne Architekturen |
| Dauer | 60 Minuten |
| Modulen | B |
| Unterrichtstyp | Vortrag |
| Fokussierung | Technisches – Deep Learning |
| Themenbereich | Berechnungsgrafiken |
Suchbegriffe
neuronale Netze, Rechengrafik, Restverbindung, Überspringen, Deep Learning,
Lernziele
- Verstehen der Grundlagen von Computational Graphs, Restverbindungen, Autobahnverbindungen und Überspringverbindungen
Erwartete Vorbereitung
Lernveranstaltungen, die vorab abgeschlossen werden müssen
Obligatorisch für Studenten
- Die funktionale API
- Er, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep Rest Learning für die Bilderkennung. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (S. 770-778).
- Srivastava, R. K., Greff, K., & Schmidhuber, J. (2015). Autobahnnetze. arXiv preprint arXiv:1505.00387.
Optional für Studenten
Keine.
Referenzen und Hintergründe für Studierende
Keine.
Empfohlen für Lehrer
Keine.
Unterrichtsmaterialien
Anleitung für Lehrer
In diesem Vortrag ist eines der Hauptziele zu zeigen, dass tiefe neuronale Netze Rechengraphen sind, die gut skalieren können. In der Vorlesung werden moderne Architekturen, einschließlich Rest-, Autobahn- und Skip-Verbindungen, eingeführt, die in neuronalen Netzen weit verbreitet sind.
Gliederung
- Berechnungsgrafiken
- Erstellen von Berechnungsgrafiken mit Keras
- Restverbindungen
- Autobahnanbindungen
- Überspringen von Verbindungen
| Dauer (Min.) | Beschreibung |
|---|---|
| 10 | Einführung in Computergrafiken neuronaler Netze |
| 15 | Einführung der funktionalen API von Keras mit einem Beispiel |
| 10 | Beschreibung der Restverbindungen mit Beispiel-Quellcode |
| 10 | Beschreibung der Autobahnverbindungen mit Beispiel-Quellcode |
| 10 | Beschreibung von Skip-Verbindungen mit Beispiel-Quellcode |
| 5 | Zusammenfassung und Schlussfolgerungen |
Danksagung
Balint Gyires-Tóth (Budapest University of Technology and Economics)
Das Human-Centered AI Masters-Programm wurde von der Fazilität „Connecting Europe“ der Europäischen Union im Rahmen des Zuschusses „CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068“ kofinanziert.