KI_Deep_Learning_Karteikarten Flashcards
(30 cards)
Was ist Deep Learning?
Tipp: Ein Teilbereich…
Ein Teilbereich des maschinellen Lernens, der auf tiefen neuronalen Netzen basiert.
Was ist der Unterschied zwischen Deep Learning und klassischem ML?
Deep Learning nutzt viele Schichten in neuronalen Netzen, während klassisches ML oft manuelle Merkmalsselektion verwendet.
Was ist ein künstliches Neuron?
Tipp: Informationsfluss
Ein Modell, das den Informationsfluss im Gehirn nachahmt, bestehend aus Gewichtung, Summation und Aktivierungsfunktion.
Was ist ein neuronales Netz?
Tipp: Sammlung
Eine Sammlung vieler verknüpfter künstlicher Neuronen zur Verarbeitung von Informationen.
Wie unterscheidet sich ein tiefes neuronales Netz von einem flachen?
Tiefe Netze haben mehr als eine versteckte Schicht, während flache nur eine besitzen.
Was ist lineare Regression?
Tipp: Zielvariable
Eine Methode zur Vorhersage einer kontinuierlichen Zielvariable basierend auf Eingabewerten.
Was sind die Parameter der linearen Regression?
Steigung (Gewicht) und Offset (Bias).
Wie wird die Fehlerfunktion in der linearen Regression definiert?
Mean Squared Error (MSE), das den durchschnittlichen quadratischen Fehler misst.
Was ist das Ziel beim Training eines Modells?
Die Fehlerfunktion zu minimieren, um genauere Vorhersagen zu treffen.
Welche Aufgabe hat die Aktivierungsfunktion?
Tipp: Komplexe Muster
Sie führt eine Nichtlinearität ein, um komplexe Muster zu erkennen.
Welche Aktivierungsfunktionen gibt es?
Sigmoid, ReLU, Tanh, Softmax.
Warum wird die ReLU-Funktion häufig verwendet?
Tipps: Beschleunigung und Gradienten
Sie beschleunigt das Training und verhindert das Verschwinden von Gradienten.
Was ist das Problem mit der Sigmoid-Funktion?
Tipp: vanishing gradient und Sättigung
Sie kann zu einem vanishing gradient Problem führen, wenn Werte zu stark gesättigt sind.
Was ist Softmax und wann wird sie genutzt?
Tipp: Klassifikation
Eine Funktion für Klassifikationsaufgaben, die Wahrscheinlichkeiten für verschiedene Klassen berechnet.
Was ist ein Perzeptron?
Das einfachste Modell eines künstlichen Neurons mit binärer Ausgabe.
Was ist ein Multi-Layer-Perceptron (MLP)?
Ein Netzwerk mit mehreren Schichten, das durch Backpropagation trainiert wird.
Was sind Convolutional Neural Networks (CNNs)?
Tipps: Bild und Faltung
Netzwerke, die speziell für Bildverarbeitung entwickelt wurden und Faltungsschichten nutzen.
Was sind Recurrent Neural Networks (RNNs)?
Tipp: Sequenzielle Daten
Netzwerke, die für sequenzielle Daten (Text, Sprache) genutzt werden, da sie frühere Eingaben berücksichtigen.
Was sind Spiking Neural Networks (SNNs)?
Biologisch inspirierte Netzwerke, die Informationsverarbeitung näher an echten Neuronen orientieren.
Was ist Backpropagation?
Tipp: Gradientenabstieg
Eine Methode, um Fehler in neuronalen Netzen durch Gradientenabstieg zu minimieren.
Warum sind große Datenmengen für Deep Learning wichtig?
Damit Modelle verallgemeinern können und nicht nur Muster auswendig lernen.
Was ist Overfitting in neuronalen Netzen?
Wenn das Modell sich zu stark an Trainingsdaten anpasst und schlecht auf neue Daten generalisiert.
Wie kann Overfitting reduziert werden beim Deep Learning?
Durch Regularisierungstechniken wie Dropout oder L2-Regularisierung.
Was ist ein Optimierungsalgorithmus?
Tipp: Gewichte
Ein Verfahren zur Anpassung der Gewichte eines neuronalen Netzes, z. B. Stochastic Gradient Descent (SGD).
