Machine Learning an der Technische Hochschule Nürnberg | Karteikarten & Zusammenfassungen

Lernmaterialien für Machine Learning an der Technische Hochschule Nürnberg

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Machine Learning Kurs an der Technische Hochschule Nürnberg zu.

TESTE DEIN WISSEN
Definiere Backprobagation
Lösung anzeigen
TESTE DEIN WISSEN
Informationsrückflusses des Loses vom Ausgang zum Eingang
Lösung ausblenden
TESTE DEIN WISSEN

Beschreiben Sie den Ablauf des Forward-Passes:

Lösung anzeigen
TESTE DEIN WISSEN

Datenpunkt wird am Eingang angelegt, Training-Target-Label und prädiziertes Traget-Label am Ausgang wird verglichen, Loss wird bestimmt

Lösung ausblenden
TESTE DEIN WISSEN

Phi(X) ist eine nichtlineare Funktion. y(X, w) ist dann eine nichtlineare Funktion von X.

Beschreibt obige Vorschrift dann weiterhin ein Modell zur lineare Regression? 

Lösung anzeigen
TESTE DEIN WISSEN

Ja. Zwar nichtlineare bezüglich X, aber weiterhin linear bezüglich der Modellparameter.

Lösung ausblenden
TESTE DEIN WISSEN

Wir betrachten den Klassifikationsfall. Welche Kostenfunktion eignet sich für das Training mittels eines Datensatzes dessen Target-Labels One-Hot-Encoded sind?

Lösung anzeigen
TESTE DEIN WISSEN

Categorical Crossentropy


Bei Sparse-Encoded: Sparse Categorical Crossentropy

Lösung ausblenden
TESTE DEIN WISSEN

Was ist der Unterschied zwischen Clustering und Klassifikation

Lösung anzeigen
TESTE DEIN WISSEN

Clustering: Unüberwacht

Klassifikation: Überwacht

Lösung ausblenden
TESTE DEIN WISSEN

Nennen Sie zwei Anwendungsfelder von RNNs:

Lösung anzeigen
TESTE DEIN WISSEN
  • Netze zur Textverarbeitung
  • Netze zur Verarbeitung von Zeitreihen
Lösung ausblenden
TESTE DEIN WISSEN

Was bedeutet Regression

Lösung anzeigen
TESTE DEIN WISSEN

Algorithmus sagt kontinuierliche Zielgröße voraus, aufbauend auf bekannten Einflussgrößen

Lösung ausblenden
TESTE DEIN WISSEN

Nachfolgend finden Sie eine mathematische Vorschrift, wie gegebene Ausgangsdaten y(X,w) von gegebenen Eingangsdaten X und einem zu bestimmenden Parametersatz w abhängen: 

y(X,w) = Summe(w_j * phi_j(X) = w_Hoch_T * phi(X))

Was beschreibt die Funktion phi(X)?

Lösung anzeigen
TESTE DEIN WISSEN

phi(X) beschreibt die Basisfunktion

Lösung ausblenden
TESTE DEIN WISSEN

Was hat Y für eine Bedeutung?

Lösung anzeigen
TESTE DEIN WISSEN

Zielgröße

Lösung ausblenden
TESTE DEIN WISSEN

Muss bei einer nichtlineare Funktion von x eine nicht-lineare Basisfunktion y(x,w) verwendet werden oder wäre eine lineare auch denkbar?

Lösung anzeigen
TESTE DEIN WISSEN

nicht-lineare Basisfunktion muss verwendet werden!

Lösung ausblenden
TESTE DEIN WISSEN

Was bedeutet Ridge Regression?

Lösung anzeigen
TESTE DEIN WISSEN

Ridge-Regression ist nichts anderes wie lineare Regression mit eingebautem Penalty Term

Lösung ausblenden
TESTE DEIN WISSEN

Allgemeine Gleichung für Lineare Regression für Polynom 1. Grades?

Lösung anzeigen
TESTE DEIN WISSEN

y(x,w) = w0 + w1*x1 + w2*x2 + ...

Lösung ausblenden
  • 24795 Karteikarten
  • 942 Studierende
  • 65 Lernmaterialien

Beispielhafte Karteikarten für deinen Machine Learning Kurs an der Technische Hochschule Nürnberg - von Kommilitonen auf StudySmarter erstellt!

Q:
Definiere Backprobagation
A:
Informationsrückflusses des Loses vom Ausgang zum Eingang
Q:

Beschreiben Sie den Ablauf des Forward-Passes:

A:

Datenpunkt wird am Eingang angelegt, Training-Target-Label und prädiziertes Traget-Label am Ausgang wird verglichen, Loss wird bestimmt

Q:

Phi(X) ist eine nichtlineare Funktion. y(X, w) ist dann eine nichtlineare Funktion von X.

Beschreibt obige Vorschrift dann weiterhin ein Modell zur lineare Regression? 

A:

Ja. Zwar nichtlineare bezüglich X, aber weiterhin linear bezüglich der Modellparameter.

Q:

Wir betrachten den Klassifikationsfall. Welche Kostenfunktion eignet sich für das Training mittels eines Datensatzes dessen Target-Labels One-Hot-Encoded sind?

A:

Categorical Crossentropy


Bei Sparse-Encoded: Sparse Categorical Crossentropy

Q:

Was ist der Unterschied zwischen Clustering und Klassifikation

A:

Clustering: Unüberwacht

Klassifikation: Überwacht

Mehr Karteikarten anzeigen
Q:

Nennen Sie zwei Anwendungsfelder von RNNs:

A:
  • Netze zur Textverarbeitung
  • Netze zur Verarbeitung von Zeitreihen
Q:

Was bedeutet Regression

A:

Algorithmus sagt kontinuierliche Zielgröße voraus, aufbauend auf bekannten Einflussgrößen

Q:

Nachfolgend finden Sie eine mathematische Vorschrift, wie gegebene Ausgangsdaten y(X,w) von gegebenen Eingangsdaten X und einem zu bestimmenden Parametersatz w abhängen: 

y(X,w) = Summe(w_j * phi_j(X) = w_Hoch_T * phi(X))

Was beschreibt die Funktion phi(X)?

A:

phi(X) beschreibt die Basisfunktion

Q:

Was hat Y für eine Bedeutung?

A:

Zielgröße

Q:

Muss bei einer nichtlineare Funktion von x eine nicht-lineare Basisfunktion y(x,w) verwendet werden oder wäre eine lineare auch denkbar?

A:

nicht-lineare Basisfunktion muss verwendet werden!

Q:

Was bedeutet Ridge Regression?

A:

Ridge-Regression ist nichts anderes wie lineare Regression mit eingebautem Penalty Term

Q:

Allgemeine Gleichung für Lineare Regression für Polynom 1. Grades?

A:

y(x,w) = w0 + w1*x1 + w2*x2 + ...

Machine Learning

Erstelle und finde Lernmaterialien auf StudySmarter.

Greife kostenlos auf tausende geteilte Karteikarten, Zusammenfassungen, Altklausuren und mehr zu.

Jetzt loslegen

Das sind die beliebtesten Machine Learning Kurse im gesamten StudySmarter Universum

E-Learning

Universität Würzburg

Zum Kurs
E-Learning

Universität Würzburg

Zum Kurs
Machine Learning & Energy

TU Darmstadt

Zum Kurs
3. Machine Learning

FOM Hochschule für Oekonomie & Management

Zum Kurs
E-Learning

Hochschule Hannover

Zum Kurs

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu
Kostenlos anmelden Machine Learning
Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools
Kostenlos loslegen Machine Learning