Künstliche Neuronale Netzwerke und ihr Verhalten beim MNIST-Datensatz

Diese Arbeit beschäftigt sich mit den Grundlagen der Künstlichen Neuronalen Netzwerke, wie diese aufgebaut sind und funktionieren. Die Kapitel 3, 4 und 5 beschäftigen sich mit drei Arten von Netzwerken und im sechsten Kapitel wird beschrieben, wie diese lernen. Dieser Teil der Arbeit beruht rein auf Literatur, welche sowohl in gedruckter Form als auch digital im Internet zu finden ist. Da die behandelte Thematik erst seit relativ kurzer Zeit relevant und interessant ist, waren die meisten Werke erst wenige Monate zur Zeit des Verfassens dieser Arbeit alt. In Kapitel 7 wird untersucht, wie sich verschiedene Netztypen beim MNIST-Datensatz, einem Vergleichstest für Künstliche Neuronale Netzwerke, verhalten und wie ein Netz beschaffen sein muss, um diese Aufgabe weitgehendst zu bewältigen. Um diese Fragen zu beantworten, werden zusätzlich zur Literatur auch Experimente in Form von Programmiertätigkeiten ausgewertet.

Download (PDF)

Preisträger

Tobias Prisching

Schulfach

Informatik

Betreuende Universität

FH Wiener Neustadt

Ausgezeichnete Arbeiten

2015, Chemie, 2. Platz,
Laura Merx, Heinrich-Heine-Universität Düsseldorf

Synthese von Schmerzmitteln am Beispiel von Aspirin und Ibuprofen

mehr info
2019, Chemie, 2. Platz,
Stephanie Müllauer, Universität Wien

Bestimmung der Gewässergüte anhand des chemischen und biochemischen Sauerstoffbedarfs

mehr info
2018, Informatik, 1. Platz,
Lars Erber, Ruhr-Universität Bochum

Typen Künstlicher Neuronaler Netze - Darstellung, Vergleich und Untersuchung der Anwendungsmöglichkeiten

mehr info