Lenzen, Manuela: Künstliche Intelligenz - Fakten, Chancen, Risiken II (S. 29-57)

Def. Algorithmus
Def. maschinelles Lernen
Def. KNN
Kriterien zum korrekten Lösen eines Problems
Datenrepräsentation in klassischer Programmierung
Aufbau Entscheidungsbaum
Beschneidung der Baumsuche
Automatisches Schließen
Lernverfahren: lineare Regression
Lernverfahren: Nächste-Nachbar-Algorithmus
Lernverfahren: Support-Vector-Maschine
Lernverfahren: evolutionäre/genetische Algorithmen
Lernverfahren: Bayes'sche Algorithmen
Wahl des Verfahrens
Aufbau KNN
Arten von Netzen: Feed-Forward-Netze
Arten von Netzen: rekurrente Netze
Überwachtes Lernen
Funktion KNN bei Erkennung von Gegenständen
KNN als subsymbolische Verfahren
Eigenschaften guter KNN
Unterschied überwachtes und unüberwachtes Lernen
Generative Adversarial Networks (GAN)
bestärkendes Lernen (Reinforcement Learning)
Deep Reinforcement Learning
Feature Engineering
Unterschiede künstliche und menschliche Lernverfahren
Grenzen KI-Systeme
Few Shot Learning
Vor- und Nachteile vortrainierter Netze
Zukünftige Forschungsgebiete bei KNN
Grey Box
Beispiel Einsatz Grey Box
semantische Lücke
menschliche Zuarbeit für KNN
Nachteile und Risiken der lernenden Algorithmen
Nachteil Datenhunger
Nachteil Vorurrteile
Nachteil Black Box
Nachteil seltsame Fehler
Nachteil Adversarial Attacks
möglicher Schutz vor Attacken

Kommentare

Nur angemeldete Nutzer dürfen kommentieren. Hier geht's zur kostenlosen Registrierung.