KI in der Fahrzeugtechnik an der TU München

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs KI in der Fahrzeugtechnik an der TU München.

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

Is input and output dimensions in an CNN equal?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

How is more dimensional input handeled in CNN?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

What is pooling? Which types of pooling exist?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

What influences the dimension problem?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

What is data agumentation? Why is it done?


Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

How do we know which filters to use?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

Why is a GPU beneficial to use in deep learning?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

Why is Pooling used?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

Which optimizers can be used in CNN?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

What is an adversial patch?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

Compare CNN to fully connected layers. What does the result depend on?

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

How can different features be detected?

Kommilitonen im Kurs KI in der Fahrzeugtechnik an der TU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für KI in der Fahrzeugtechnik an der TU München auf StudySmarter:

KI in der Fahrzeugtechnik

Is input and output dimensions in an CNN equal?

  • wanted behaviour
  • but through dot product (Skalarpodukt) output size reduced
  • 9×9 * filter 3×3 > activation map 7×7
  • output size shrinks with every layer

KI in der Fahrzeugtechnik

How is more dimensional input handeled in CNN?

  • eg. RGB Image
  • needs a filter of same 3rd dimensions than input image

KI in der Fahrzeugtechnik

What is pooling? Which types of pooling exist?

  • reduces the spartial output dimensions in a neural network
  • operatos (reduces) over each activation map independely
  • types
    • Max Pool
    • Average Pool

KI in der Fahrzeugtechnik

What influences the dimension problem?

  • filter size
  • stride
    • also stepsize
    • usually 1
    • bigger stepsize reduces dimension of output even further
  • 9×9 * filter 3×3
    • Stride 1
      Output 7×7
    • Stride 2
      Output
      4×4

KI in der Fahrzeugtechnik

What is data agumentation? Why is it done?


altering data to enlarge the dataset

done to avoid bias in dataset (10000 dogs, 1 cat)

KI in der Fahrzeugtechnik

How do we know which filters to use?

  • we don’t
  • filters are initialized randomly
  • changed during training through backpropagation

KI in der Fahrzeugtechnik

Why is a GPU beneficial to use in deep learning?

  • faster training
  • faster inference
  • better result

KI in der Fahrzeugtechnik

Why is Pooling used?

maximum detectable feature size is determined by filter size

Solutions:

  • increase filter size
    • increased amount of parameters increases
  • decreas input image with pooling
    • detect features in previous layer notlost as passed along
    • no pixel to pixel relation where features were located in input

KI in der Fahrzeugtechnik

Which optimizers can be used in CNN?

  • stocastic gradient descent SGD
  • SGD + Momentun
  • Nesterov + Momentum
  • AdaGrad and RMSProp
  • Adam

KI in der Fahrzeugtechnik

What is an adversial patch?

  • used to hack neural networks
  • show non-real objects made to confuse neural networks
  • or picture + noise specifically crafted

KI in der Fahrzeugtechnik

Compare CNN to fully connected layers. What does the result depend on?

  • result of CNN better than with fully connected layer
  • less storage needed
  • results depend on camera (Brennweiter, Objektiv) and light > diverse datasets needed for training

KI in der Fahrzeugtechnik

How can different features be detected?

  • using different filters
  • one filter detects a specific feature (eg vertical lines)
  • activation maps (output) gets stacked > 3D
  • Dimension of activation map (9 being the input dimension)
    9 x 9 x #filter

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für KI in der Fahrzeugtechnik an der TU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für KI in der Fahrzeugtechnik an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback