Machbarkeitsstudie des L-BFGS Verfahrens für das Training von Deep Learning Problemen

Shonia, Ilona (2018) Machbarkeitsstudie des L-BFGS Verfahrens für das Training von Deep Learning Problemen. Bachelorarbeit, Universität zu Köln.

PDF
1MB

Kurzfassung

Diese Arbeit beschäftigt sich mit der Anwendbarkeit von Methoden zweiter Ordnung aus der Quasi-Newton Klasse für das Training von Deep Learning Problemen

elib-URL des Eintrags:

https://elib.dlr.de/124414/

Dokumentart:

Hochschulschrift (Bachelorarbeit)

Titel:

Machbarkeitsstudie des L-BFGS Verfahrens für das Training von Deep Learning Problemen

Autoren:

Autoren	Institution oder E-Mail-Adresse	Autoren-ORCID-iD	ORCID Put Code
Shonia, Ilona	Ilona.Shonia (at) dlr.de	NICHT SPEZIFIZIERT	NICHT SPEZIFIZIERT

Datum:

Oktober 2018

Referierte Publikation:

Open Access:

Seitenanzahl:

Status:

veröffentlicht

Stichwörter:

Optimierungsalgorithmen für Deep Learning

Institution:

Universität zu Köln

Abteilung:

Mathematisches Institut

HGF - Forschungsbereich:

Luftfahrt, Raumfahrt und Verkehr

HGF - Programm:

Raumfahrt

HGF - Programmthema:

Technik für Raumfahrtsysteme

DLR - Schwerpunkt:

Raumfahrt

DLR - Forschungsgebiet:

R SY - Technik für Raumfahrtsysteme

DLR - Teilgebiet (Projekt, Vorhaben):

R - Vorhaben SISTEC (alt)

Standort:

Köln-Porz

Institute & Einrichtungen:

Institut für Simulations- und Softwaretechnik > High Performance Computing

Hinterlegt von:

Shonia, Ilona

Hinterlegt am:

06 Dez 2018 14:33

Letzte Änderung:

31 Jul 2019 20:22

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags