Anzeige
Erschienen in:
2020 | OriginalPaper | Buchkapitel
4. Unüberwachtes Lernen
verfasst von : Kenny Choo, Eliska Greplova, Mark H. Fischer, Titus Neupert
Erschienen in: Machine Learning kompakt
Verlag: Springer Fachmedien Wiesbaden
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Zusammenfassung
Dieses Kapitel führt Methoden des unüberwachten Lernens mittels neuronaler Netzwerke ein. Ziel ist, dass das Netzwerk eine Wahrscheinlichkeitsverteilung lernt, die ähnlich derer ist, aus der die zum Training benutzten Daten hervorgegangen sind. Es werden keine „Labels“ für die Daten benötigt. Ein so trainiertes Netzwerk kann dann zur Erzeugung neuer, komplett synthetischer Daten benutzt werden. Es werden drei Ansätze behandelt: Begrenzte Boltzmann-Maschinen, Autoencoder und Generative Adversarial Networks. Alle drei werden in ihrer Funktionsweise erklärt und mit Beispielen illustriert.