Einleitung
Nachdem bereits erste Erfahrungen damit gesammelt wurden, was Klassifikationsprobleme sind und wie diese unter Verwendung neuronaler Netze gelöst werden können, besprechen wir in diesem Kurs mit der Mustererkennung eine wichtige Anwendungsmöglichkeit.
Die Aufgabe besteht beispielsweise darin, zu entscheiden, ob es sich bei einer Strichzeichnung um einen Schmetterling, einen Fisch oder einen Apfel handelt. Wir werden lernen, wie derartige Aufgaben gelöst werden können und erhalten damit einen Einblick in die Mustererkennung.
Literaturhinweise
Die Inhalte des vorliegenden Kurses sind teilweise den folgenden Quellen entnommen, welche auch zur Vertiefung dienen können:
- C.M. Bishop. 1995. Neural Networks for Pattern Recognition. Oxford University Press, Oxford, 1. Auflage.
- J. Kleeberger, N. Prost und H. Sternkopf. 2019. Machine Learning. Intelligente Maschinen. Medien in die Schule (Gemeinschaftsprojekt von FSM und Google Deutschland), Berlin und Hamburg, 1. Auflage.
- Y. LeCun, L. Bottou, Y. Bengio und P. Haffner. 1998. Gradient-based learning applied to document recognition. Proceedings of the IEEE 86: 2278-2324.
- Y. LeCun, C. Cortes und C.J.C. Burges. 2010. MNIST handwritten digit database. AT&T Labs Research.
- K. Lischka und A. Klingel. 2017. Wenn Maschinen Menschen bewerten. Internationale Fallbeispiele für Prozesse algorithmischer Entscheidungsfindung. Bertelsmann Stiftung, Gütersloh, 1. Auflage.
- M.A. Nielsen. 2015. Neural Networks and Deep Learning. Determination Press, Version vom 12. Dezember 2016.
- G.D. Rey und K.F. Wender. 2010. Neuronale Netze: Eine Einführung in die Grundlagen, Anwendungen und Datenauswertung. Hogrefe Verlag, Göttingen, 2. Auflage.