Analyse neuronaler Netze mittels generalisierter Übertragungsfunktionen
Bachelorarbeit,Masterarbeit,Studienarbeit,Diplomarbeit
Im Rahmen des Projekts Visual Signal Processing

Description

Künstliche neuronale Netze erzielen in vielen Bereichen herausragende Ergebnisse. Der Einsatz von künstlichen neuronalen Netzen respektive künstlicher Intelligenz in Anwendungen, in welchen mit Menschen interagiert wird, wie z.B. im medizinischen Bereich, bedarf besonders robuster Netze, deren Verhalten möglichst gut erklärbar ist. Dazu ist eine Netzanalyse notwendig. Verschiedene Techniken existieren zur Analyse, wie etwa die Deep Taylor decomposition oder layer-wise Relevance Propagation. Diese basieren auf analytischen Verfahren um die entscheidungsrelevanten Elemente des Netzinputs zu bestimmen. Ein anderer Ansatz interpretiert ein neuronales Netz aus der Sicht der Systemtheorie als nichtlineares Filter und approximiert es über sogenannte generalisierte Übertragungsfunktionen. Ein Netz kann dann mittels generalisierter Frequenzgänge analysiert werden um etwa Überanpassung zu untersuchen.

Im Rahmen dieser Arbeit sollen Netze mit Hilfe von generalisierten Übertragungsfunktionen respektive -frequenzgängen analysiert werden. Dazu sollen zunächst sehr einfache Netze implementiert und auf künstlichen Daten trainiert werden. Diese Netze sollen dann mit der Methode der generalisierten Übertragungsfunktionen analysiert werden. Im weiteren Verlauf der Arbeit sollen dann mindestens auf einem Standardproblem der Analyseansatz erprobt werden.

Die Arbeit kann auf Deutsch oder Englisch geschrieben werden.

Requirements

- Eigenständiges Arbeiten - Motivation - Grundkenntnisse Python - Grundlagen Systemtheorie

Contact person: Reemt Hinrichs