Gedächtnisprotokoll zur Diplomprüfung Praktische Informatik
| Kurs: | Neuronale Netze (1830) |
| Datum: | 7.6.97 |
| Prüfer: | Dr. Scherer |
| Note: | 1.3 |
- Was kann ein Neuronales Netz?
Klassifizierung, Optimierung, Rekonstruktion von Bildern,
Funktionsapproximation, Prognose
Der Rest der Prüfung stand unter dem Thema "Wir designen einen
Klassifikator" (Stellen Sie sich vor, Sie sind Projektleiter Neuronale
Netze und sollen einen Klassifikator entwerfen...). Die aufgeschriebenen
Punkte wurden im Gespräch erarbeitet, die Fragen nach den Netzwerktypen
Backprop und RBF ergaben sich dabei.
- Entwurfsschritte:
- Datenmodelling (Attribute, die zu klassifizieren sind)
- Klassifikatorwahl (Netzart, Topologie, Funktionen, Lernparameter etc.)
- Validierung
Man verwendet mehrere Klassifikatoren gleichzeitig. Versagen alle bei der
Validierung, geht man auf Stufe 1) zurück, sonst auf Stufe 2). Der Schritt
2) -> 3) wird wiederholt mit einer Palette von Klassifikatoren (neuronalen
und anderen) durchgeführt, um den am besten geeigneten und
leistungsfähigsten Klassifikator zu finden.
- Backprop erklären.
- RBF erklären.
- Validierungsphase:
- Train & Test-Methode
- Kosten- & Risiken-Methode (aus KE 2)
- Cross-Validation (kommt nicht im Kurs vor, ich habe es
"unvorsichtigerweise" fallengelassen, und im Endeffekt hat Dr. Scherer
es mir während der Prüfung erklärt.)
Insgesamt erfolgte das Prüfungsgespräch in einer lockeren und ruhigen
Atmosphäre.