Select your language

Suggested languages for you:
Login Anmelden

Lernmaterialien für Künstliche Intelligenz in der Fahrzeugtechnik an der TU München

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Künstliche Intelligenz in der Fahrzeugtechnik Kurs an der TU München zu.

TESTE DEIN WISSEN

Name 3 different Quality measures of classifiers

Lösung anzeigen
TESTE DEIN WISSEN

- Robustness 

- Accuracy

- Scalability for large databases

Lösung ausblenden
TESTE DEIN WISSEN

Name a method for the evaluation of classifiers

Lösung anzeigen
TESTE DEIN WISSEN

k-fold Cross validation

Lösung ausblenden
TESTE DEIN WISSEN

Why is linear regression not suitable for classifying?

Lösung anzeigen
TESTE DEIN WISSEN

Because you want to map continous output to discrete values. You need Activiation function (sigmoid), limited to 0 and 1

Lösung ausblenden
TESTE DEIN WISSEN

Name two advantages and two disadvantages of the NN Classifier

Lösung anzeigen
TESTE DEIN WISSEN

+ Applicability: Easy to calculate distances

+ Incremental: Easy adoption of new training data

- Efficiency: Process grows with training data

- Dimensionality: Not every dimension is relevant

Lösung ausblenden
TESTE DEIN WISSEN

Name two pros and cons of SVM

Lösung anzeigen
TESTE DEIN WISSEN

+ Accuracy: High classification rate

+ Robust: Low tendency to overfitting

- Efficiency: Long training

- Complexity: High implementation effort

Lösung ausblenden
TESTE DEIN WISSEN

Name the 5 steps for vehicle detection and tracking as an application of classification in automative technology

Lösung anzeigen
TESTE DEIN WISSEN

1. Get training data

2. Extract features from images

3. Generate model based on features

4. Take video frame and classify features of sub-images

5. Merge classified areas

Lösung ausblenden
TESTE DEIN WISSEN

Which two variants are possible for multiclass SVMs?

Lösung anzeigen
TESTE DEIN WISSEN

1 vs. Rest

1 vs. 1

Lösung ausblenden
TESTE DEIN WISSEN

Name three different kinds of features

Lösung anzeigen
TESTE DEIN WISSEN

Informative, Discriminating, independent features

Lösung ausblenden
TESTE DEIN WISSEN

When programming a self-driving vehicle, we need to find the lane lines on the road. Name 4 features that could be useful in the identification of lane lines on the road

Lösung anzeigen
TESTE DEIN WISSEN

Position in the image

Color

Orientation

Shape

Lösung ausblenden
TESTE DEIN WISSEN

What does feature learning or representation learning mean?

Lösung anzeigen
TESTE DEIN WISSEN

System automatically detects the representations needed for feature detection or classification from raw data. (You do not need to know the dependencies between input and features)

Lösung ausblenden
TESTE DEIN WISSEN

What would be the right process to detect lane lines in an image like the one displayed below?

Lösung anzeigen
TESTE DEIN WISSEN

Extract image shape → Transform image to grayscale → Blur image → Perform canny edge detection → Mask special region in the image → Detect hough lines


Lösung ausblenden
TESTE DEIN WISSEN

Which tasks can a single neuron with 

- identity function

- linear activation functions

- non- linear activation functions

perform?

Lösung anzeigen
TESTE DEIN WISSEN

- Basic regression

- Regression which is scaled

- non-linear tasks like classification

Lösung ausblenden
  • 524352 Karteikarten
  • 11340 Studierende
  • 499 Lernmaterialien

Beispielhafte Karteikarten für deinen Künstliche Intelligenz in der Fahrzeugtechnik Kurs an der TU München - von Kommilitonen auf StudySmarter erstellt!

Q:

Name 3 different Quality measures of classifiers

A:

- Robustness 

- Accuracy

- Scalability for large databases

Q:

Name a method for the evaluation of classifiers

A:

k-fold Cross validation

Q:

Why is linear regression not suitable for classifying?

A:

Because you want to map continous output to discrete values. You need Activiation function (sigmoid), limited to 0 and 1

Q:

Name two advantages and two disadvantages of the NN Classifier

A:

+ Applicability: Easy to calculate distances

+ Incremental: Easy adoption of new training data

- Efficiency: Process grows with training data

- Dimensionality: Not every dimension is relevant

Q:

Name two pros and cons of SVM

A:

+ Accuracy: High classification rate

+ Robust: Low tendency to overfitting

- Efficiency: Long training

- Complexity: High implementation effort

Mehr Karteikarten anzeigen
Q:

Name the 5 steps for vehicle detection and tracking as an application of classification in automative technology

A:

1. Get training data

2. Extract features from images

3. Generate model based on features

4. Take video frame and classify features of sub-images

5. Merge classified areas

Q:

Which two variants are possible for multiclass SVMs?

A:

1 vs. Rest

1 vs. 1

Q:

Name three different kinds of features

A:

Informative, Discriminating, independent features

Q:

When programming a self-driving vehicle, we need to find the lane lines on the road. Name 4 features that could be useful in the identification of lane lines on the road

A:

Position in the image

Color

Orientation

Shape

Q:

What does feature learning or representation learning mean?

A:

System automatically detects the representations needed for feature detection or classification from raw data. (You do not need to know the dependencies between input and features)

Q:

What would be the right process to detect lane lines in an image like the one displayed below?

A:

Extract image shape → Transform image to grayscale → Blur image → Perform canny edge detection → Mask special region in the image → Detect hough lines


Q:

Which tasks can a single neuron with 

- identity function

- linear activation functions

- non- linear activation functions

perform?

A:

- Basic regression

- Regression which is scaled

- non-linear tasks like classification

Künstliche Intelligenz in der Fahrzeugtechnik

Erstelle und finde Lernmaterialien auf StudySmarter.

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

Jetzt loslegen

Das sind die beliebtesten StudySmarter Kurse für deinen Studiengang Künstliche Intelligenz in der Fahrzeugtechnik an der TU München

Für deinen Studiengang Künstliche Intelligenz in der Fahrzeugtechnik an der TU München gibt es bereits viele Kurse, die von deinen Kommilitonen auf StudySmarter erstellt wurden. Karteikarten, Zusammenfassungen, Altklausuren, Übungsaufgaben und mehr warten auf dich!

Das sind die beliebtesten Künstliche Intelligenz in der Fahrzeugtechnik Kurse im gesamten StudySmarter Universum

Künstliche Intelligenz

Universität zu Lübeck

Zum Kurs
Künstliche Intelligenz

FOM Hochschule für Oekonomie & Management

Zum Kurs
Künstliche Intelligenz

Hochschule der Medien Stuttgart

Zum Kurs

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu
Kostenlos anmelden Künstliche Intelligenz in der Fahrzeugtechnik
Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools
Kostenlos loslegen Künstliche Intelligenz in der Fahrzeugtechnik