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

2018, Chemie, 1. Platz,
Carolin Kohl, Universität zu Köln

Funktionsweise und Aufbau organischer Leuchtdioden und deren Vor- und Nachteile gegenüber herkömmlichen Leuchtmitteln

mehr info
2019, Informatik, 1. Platz,
Marcel Stepanek, Universität Augsburg

Huffman-Algorithmus mit Schwerpunkt auf der dynamischen Huffman-Codierung

mehr info
2015, Chemie, 1. Platz,
Stefanie Paller, Hochschulen Graz

Assembly and Function of Polymer Fullerene Solar Cells

mehr info