Neuronale Netze - Mathematische Grundlagen und Anwendungen in der Metallurgie

Publikationen: Thesis / Studienabschlussarbeiten und HabilitationsschriftenMasterarbeit

Standard

Neuronale Netze - Mathematische Grundlagen und Anwendungen in der Metallurgie. / Omann, Michael.
2010.

Publikationen: Thesis / Studienabschlussarbeiten und HabilitationsschriftenMasterarbeit

Bibtex - Download

@mastersthesis{8f5d7ac3777e44e8b3092c3dddf4c762,
title = "Neuronale Netze - Mathematische Grundlagen und Anwendungen in der Metallurgie",
abstract = "Die vorliegende Masterarbeit gibt einen umfassenden {\"U}berblick {\"u}ber mehrschichtige Perzeptronennetzwerke und ausgew{\"a}hlte Lernalgorithmen aus dem Bereich des {\"u}berwachten Lernens. Dabei werden sowohl gradientenbasierte als auch stochastische Algorithmen wie Simulated Annealing und genetische Algorithmen ber{\"u}cksichtigt und in Bezug auf ihre Konvergenzeigenschaften und Generalisierungsf{\"a}higkeit bewertet. Die Arbeit geht u. a. der Frage nach, inwiefern einzelne Lernparameter den Lernprozess beeinflussen und welche Abh{\"a}ngigkeiten unter den Netzwerkkomponenten bestehen. Im praktischen Teil der Arbeit werden an einem konkreten Anwendungsbeispiel die Zusammenh{\"a}nge zwischen chemischer Zusammensetzung und Gebrauchseigenschaften von Aluminiumlegierungen untersucht. Eine Reihe von Lernalgorithmen wird an Messdaten trainiert und hinsichtlich Konvergenz- sowie Generalisierungsverhalten beurteilt. Den Abschluss bildet die Interpretation der durchaus zufriedenstellenden Ergebnisse.",
keywords = "multilayer perceptron, neural network, Perzeptronennetzwerke",
author = "Michael Omann",
note = "gesperrt bis 30-11-2015",
year = "2010",
language = "Deutsch",

}

RIS (suitable for import to EndNote) - Download

TY - THES

T1 - Neuronale Netze - Mathematische Grundlagen und Anwendungen in der Metallurgie

AU - Omann, Michael

N1 - gesperrt bis 30-11-2015

PY - 2010

Y1 - 2010

N2 - Die vorliegende Masterarbeit gibt einen umfassenden Überblick über mehrschichtige Perzeptronennetzwerke und ausgewählte Lernalgorithmen aus dem Bereich des überwachten Lernens. Dabei werden sowohl gradientenbasierte als auch stochastische Algorithmen wie Simulated Annealing und genetische Algorithmen berücksichtigt und in Bezug auf ihre Konvergenzeigenschaften und Generalisierungsfähigkeit bewertet. Die Arbeit geht u. a. der Frage nach, inwiefern einzelne Lernparameter den Lernprozess beeinflussen und welche Abhängigkeiten unter den Netzwerkkomponenten bestehen. Im praktischen Teil der Arbeit werden an einem konkreten Anwendungsbeispiel die Zusammenhänge zwischen chemischer Zusammensetzung und Gebrauchseigenschaften von Aluminiumlegierungen untersucht. Eine Reihe von Lernalgorithmen wird an Messdaten trainiert und hinsichtlich Konvergenz- sowie Generalisierungsverhalten beurteilt. Den Abschluss bildet die Interpretation der durchaus zufriedenstellenden Ergebnisse.

AB - Die vorliegende Masterarbeit gibt einen umfassenden Überblick über mehrschichtige Perzeptronennetzwerke und ausgewählte Lernalgorithmen aus dem Bereich des überwachten Lernens. Dabei werden sowohl gradientenbasierte als auch stochastische Algorithmen wie Simulated Annealing und genetische Algorithmen berücksichtigt und in Bezug auf ihre Konvergenzeigenschaften und Generalisierungsfähigkeit bewertet. Die Arbeit geht u. a. der Frage nach, inwiefern einzelne Lernparameter den Lernprozess beeinflussen und welche Abhängigkeiten unter den Netzwerkkomponenten bestehen. Im praktischen Teil der Arbeit werden an einem konkreten Anwendungsbeispiel die Zusammenhänge zwischen chemischer Zusammensetzung und Gebrauchseigenschaften von Aluminiumlegierungen untersucht. Eine Reihe von Lernalgorithmen wird an Messdaten trainiert und hinsichtlich Konvergenz- sowie Generalisierungsverhalten beurteilt. Den Abschluss bildet die Interpretation der durchaus zufriedenstellenden Ergebnisse.

KW - multilayer perceptron

KW - neural network

KW - Perzeptronennetzwerke

M3 - Masterarbeit

ER -