Convolutional Neural Network (CNN). Grundlagen, Funktionsweise und Anwendungsgebiete
-
- Einzelkauf Download ausgewählt
-
Sprache:Deutsch
Fr. 13.90
inkl. gesetzl. MwSt.Beschreibung
Produktdetails
Format
Kopierschutz
Nein
Family Sharing
Nein
Text-to-Speech
Nein
Erscheinungsdatum
17.07.2025
Verlag
GRINSeitenzahl
19 (Printausgabe)
Dateigröße
542 KB
Auflage
1. Auflage
Sprache
Deutsch
EAN
9783389142080
Studienarbeit aus dem Jahr 2025 im Fachbereich Ingenieurwissenschaften - Wirtschaftsingenieurwesen, Note: 1,3, AKAD University, ehem. AKAD Fachhochschule Stuttgart (Wirtschaftsingenieurwesen), Sprache: Deutsch, Abstract: Diese Arbeit soll einen umfassenden Überblick über die theoretischen Grundlagen und die Funktionsweise Künstlicher Neuronaler Netze (KNNs) im Allgemeinen und von CNNs im Speziellen geben, sodass auch deren Anwendungsgebiete nachvollziehbar werden. So soll ein fundierter Einstieg in das Thema geboten werden.
In Kapitel 2 wird zunächst ein Grundverständnis des Deep Learning vermittelt, einschliesslich der Einordnung in das Feld des Machine Learning und der historischen Entwicklung KNNs. Kapitel 3 widmet sich anschliessend den CNNs im Detail, wobei deren grundlegender Aufbau und Funktionsweise erläutert werden. Darüber hinaus wird auf Regularisierungsmethoden, insbesondere auf Dropout, eingegangen. Anschliessend werden zentrale Anwendungsgebiete von CNNs sowie moderne Architekturen wie ResNet, DenseNet und Octave Convolution vorgestellt. Die Arbeit schliesst mit einer Zusammenfassung und einer kritischen Würdigung, in der die zentralen Erkenntnisse der Untersuchung reflektiert werden. Die kritische Würdigung setzt sich zudem mit möglichen Einschränkungen der eigenen Analyse auseinander und diskutiert offene Fragen sowie potenzielle Verbesserungspotenziale in der methodischen Herangehensweise.
In Kapitel 2 wird zunächst ein Grundverständnis des Deep Learning vermittelt, einschliesslich der Einordnung in das Feld des Machine Learning und der historischen Entwicklung KNNs. Kapitel 3 widmet sich anschliessend den CNNs im Detail, wobei deren grundlegender Aufbau und Funktionsweise erläutert werden. Darüber hinaus wird auf Regularisierungsmethoden, insbesondere auf Dropout, eingegangen. Anschliessend werden zentrale Anwendungsgebiete von CNNs sowie moderne Architekturen wie ResNet, DenseNet und Octave Convolution vorgestellt. Die Arbeit schliesst mit einer Zusammenfassung und einer kritischen Würdigung, in der die zentralen Erkenntnisse der Untersuchung reflektiert werden. Die kritische Würdigung setzt sich zudem mit möglichen Einschränkungen der eigenen Analyse auseinander und diskutiert offene Fragen sowie potenzielle Verbesserungspotenziale in der methodischen Herangehensweise.
Noch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.