Referent: Alfredo Canziani
0:00:00 – Woche 14 – Praktikum
Beim Training hochparametrisierter Modelle wie tiefen neuronalen Netzen besteht die Gefahr der Überanpassung an die Trainingsdaten. Dies führt zu einer höheren Generalisierungsfehler. Um Überanpassung zu reduzieren, können wir Regularisierung in unser Training einführen, um bestimmte Lösungen abzulehnen und die Anpassung unserer Modelle an Rauschen zu verringern.
0:01:41 – Überanpassung und Regularisierung
0:18:11 – Modellregularisierung (L2, L1, Dropout, Batch-Norm und Datenaugmentation)
0:49:30 – Visualisierung von Regularisierung und Überanpassung, Bayessche neuronale Netze