Deep Learning Simon Fankhauser, Donato Villani - AAI HS 17.

Präsentation zum Thema: "Deep Learning Simon Fankhauser, Donato Villani - AAI HS 17."—  Präsentation transkript:

1 Deep Learning Simon Fankhauser, Donato Villani - AAI HS 17

2 Inhalt Einleitung Deep Learning
Aufbau und Bestandteile neuronaler Netzwerke Beispiel Bilderkennung Google Deep Dream

3 Die wahre Herausforderung an künstliche Intelligenz besteht darin, Aufgaben die für die Menschen einfach durchzuführen sind aber sich nur schwer in mathematische Formeln formulieren lassen, durchzuführen.

4 Einleitung Die theoretischen und methodischen Grundlagen für Deep Learning sind nichts Neues, diese wurden bereits in den 1950er Jahren gelegt. Heute sind wir aufgrund von mehr Rechenkapazität in der Lage, das Potenzial von neuronalen Netzen besser zu nutzen. Das Anwendungsgebiet von Deep Learning ist häufig in der Verarbeitung von Audiodateien, Videodateien und Bilddateien anzutreffen.

5 Deep Learning Deep Learning Netzwerke bestehen aus mehreren Schichten.
Aufgrund dieser Schichten verfügen Deep Learning Netzwerke über eine besonders hohe Abstraktionskapazität. Lernen durch Repräsentation ist bei Deep Learning eines der Hauptunterscheidungsmerkmale gegenüber klassischen Machine Learning Modellen, die i.d.R. ohne Repräsentation der Daten lernen.

6 Aufbau und Bestandteile neuronaler Netzwerke
Künstliche neuronale Netzwerke werden in verschiedenen Schichten angelegt, und verbinden die Neuronen in diesen.

7 Aufbau und Bestandteile neuronaler Netzwerke

8 Aufbau und Bestandteile neuronaler Netzwerke

9 Architekturen von neuronalen Netzen

10 Beispiel: Bilderkennung mit einem Convolutional neuronalen Netzwerken
ImageNet Über 15 Mio beschriftete HD Bilder Etwa 22’000 Kategorien Aus dem Web gesammelt

11 Beispiel: Bilderkennung mit einem Convolutional neuronalen Netzwerken

12 Beispiel Google Deep Dream

13 Beispiel Google Deep Dream

14 Beispiel Google Deep Dream

15 Beispiel Google Deep Dream

16

17

18

19

20

21

22 DANKE