Fulltext available Open Access
Title: Untersuchung der Auswirkung von Skalierung vor dem SoftMax Layer auf die Robustheit eines Neuronalen Netzes
Language: German
Authors: Schradick, Lara Felina 
Keywords: Neuronale Netze; Robustheit; Maschinelles Lernen; SoftMax; Skalierungseffekt; Label Noise; Vanishing Gradients; Batch Normalisation; Neural Networks; Stability; Machine Learning; Softmax; scaling; label noise; vanishing Gradients; batch Normalisation
Issue Date: 2-Aug-2024
Abstract: 
Vergleich von drei verschiedenen Ansätzen zur Stabilisierung neuronaler Netze gegen zwei unterschiedliche Arten von inkorrekt gelabelten Trainingsdaten. Dabei wollen alle drei Ansätze durch Abgrenzung von Logits ein besseres Trainingsergebnis erzielen. Zwei der Ansätze enthalten extra Schritte um Vanishing Gradients vorzubeugen.

Comparison of three different approaches to stabilize neural networks against two different types of incorrectly labeled training data. All three approaches aim to achieve a better training result by better differentiating logits. Two of the approaches include extra steps to prevent vanishing gradients.
URI: https://hdl.handle.net/20.500.12738/16136
Institute: Fakultät Technik und Informatik 
Department Informatik 
Type: Thesis
Thesis type: Bachelor Thesis
Advisor: Stelldinger, Peer  
Referee: Buth, Bettina 
Appears in Collections:Theses

Files in This Item:
File Description SizeFormat
BA_Skalierung auf dem SoftMax Layer_Neuronales Netz.pdf1.48 MBAdobe PDFView/Open
Show full item record

Page view(s)

47
checked on Nov 24, 2024

Download(s)

46
checked on Nov 24, 2024

Google ScholarTM

Check

HAW Katalog

Check

Note about this record


Items in REPOSIT are protected by copyright, with all rights reserved, unless otherwise indicated.