Künstliche neuronale Netze am Beispiel der Klassifizierung von Scandaten

Diese Arbeit soll einen Einstieg in das umfangreiche Feld des maschinellen Lernens geben. Der Fokus liegt dabei auf künstlichen neuronalen Netzen. Die Arbeit hat nicht den Anspruch einen kompletten Überblick über das weite Feld der künstlichen neuronalen Netze zu geben. Stattdessen wird eine Technik beispielhaft detailliert erklärt, damit der Leser die Funktionsweise

eines einfachen KNNs vollständig versteht. Das Ziel dieser Arbeit ist erreicht, wenn ein einfaches KNN für den Leser keine „Blackbox“ mehr ist, sondern als einfaches mathematisches Modell verstanden wird. Im Anschluss an die Einleitung in künstliche neuronale Netze wird der

Entwicklungsprozess einer Onlineplattform zur Klassifizierung von Scandaten dokumentiert. Die Onlineplattform verwendet maschinelles Lernen, um gescannte Seiten in bedruckte bzw. beschriebene und leere Seiten zu klassifizeren. Diese Arbeit beschäftigt sich nur mit den Möglichkeiten künstlicher neuronaler Netze. Dem Leser wird geraten sich, mit den ethischen und politischen Problemen künstlicher Intelligenz mithilfe von anderer Literatur auseinanderzusetzen.

Download (PDF)

Preisträger

Lukas Mertens

Schulfach

Informatik

Betreuende Universität

Heinrich-Heine-Universität Düsseldorf

Ausgezeichnete Arbeiten

2017, Geographie, 1. Platz,
Niclas Popp, Friedrich-Alexander-Universität Erlangen-Nürnberg

Praktische Konzeption einer Klimasonde

mehr info
2012, Physik, 1. Platz,
Daniel Kuna, Westfälische Wilhelms-Universität Münster

Beobachtung und Untersuchung des Sternsystems 51 Pegasi mit Hilfe der Radialgeschwindigkeitsmethode

mehr info
2015, Chemie, 2. Platz,
Lisa Führlein, Universität Regensburg

Azofarbstoffe in Lebensmitteln

mehr info