Kriterien fur die Visualisierung der Funktionsweise von Convolutional Neural Networks

Studienarbeit aus dem Jahr 2021 im Fachbereich Informatik - Kunstliche Intelligenz, Note: 1,3, Hochschule Darmstadt, Veranstaltung: Hauptseminar Deep Learning, Sprache: Deutsch, Abstract: Deep-Learning-Methoden verzeichnen groe Erfolge fur viele Vorhersage-Aufgaben, wodurch das Interesse an solchen Verfahren immer weiter steigt. Ein Vertreter von Deep-Learning-Methoden, die mit Bildern oder Videos arbeiten, sind Convolutional Neural Networks (CNNs). CNNs enthalten mehrere hunderte Layer, tausende von Neuronen und Millionen von Verbindungen, wodurch das Verstandnis von komplexen CNNs eine groe Herausforderung darstellt. Bisherige Visualisierungsansatze beschaftigen sich haufig entweder mit der Mathematik oder der Modellarchitektur. In dieser Arbeit werden Kriterien fur eine ganzheitliche Visualisierung von CNNs herausgearbeitet, damit sowohl die Mathematik als auch die Modellarchitektur in den Visualisierungen Berucksichtigung finden. Diese Kriterien werden auf bestehende Konzepte aus der Literatur angewendet und abschlieend diskutiert.