elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

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. WAW - Machine Learning 3, 2018-11-19 - 2018-11-20, Köln, Deutschland. (eingereichter Beitrag)

[img] PDF
770kB

elib-URL des Eintrags:https://elib.dlr.de/124419/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Machbarkeitsstudie des L-BFGS Verfahrens für das Training von Deep Learning Problemen
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Shonia, IlonaIlona.Shonia (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:2018
Referierte Publikation:Nein
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
Status:eingereichter Beitrag
Stichwörter:Optimierungsalgorithmen, Deep Learning, Stochastische Quasi-Newton Methode, MB-LBFGS, PB-LBFGS
Veranstaltungstitel:WAW - Machine Learning 3
Veranstaltungsort:Köln, Deutschland
Veranstaltungsart:Workshop
Veranstaltungsbeginn:19 November 2018
Veranstaltungsende:20 November 2018
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 14:25
Letzte Änderung:24 Apr 2024 20:28

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.