Ein künstliches Gedächtnis in N Schritten
Stang, Marco
; Molinar, Gabriela
; Molinar, Gabriela- 00:00:00 Start
- 00:01:16 RNN-Architekturen
- 00:02:29 Many-to-Many
- 00:02:51 One-to-Many
- 00:03:06 Many-to-One
- 00:03:16 Long-Short-Term Memory Networks
- 00:03:36 LSTM Zelle
- 00:04:01 Input, Forget und Output Gates
- 00:04:23 Gestapelte LSTM-Netze
| Zugehörige Institution(en) am KIT | Institut für Technik der Informationsverarbeitung (ITIV) Universität Karlsruhe (TH) – Zentrale Einrichtungen (Zentrale Einrichtungen) Zentrum für Mediales Lernen (ZML) |
| Publikationstyp | Audio & Video |
| Publikationsdatum | 19.10.2021 |
| Erstellungsdatum | 20.09.2021 |
| Sprache | Deutsch |
| DOI | 10.5445/IR/1000139107 |
| Identifikator | KITopen-ID: 1000139107 |
| Lizenz | Creative Commons Namensnennung – Weitergabe unter gleichen Bedingungen 4.0 International |
| Bemerkung zur Veröffentlichung | In diesem Video wird die Funktionsweise von RNNs im Detail betrachtet. Dazu werden zunächst die drei Architekturen von RNNs behandelt: Many-to-Many, One-to-Many und Many-to-Many. Anschließend wird eine wichtige Art der RNNs vorgestellt, die Long Short-Term Memory Netze (LSTMs), und deren Aufbau und Funktionsweise erläutert. Abgeschlossen wir dieses Video dann mit den gestapelten LSTM-Netzen. |
| Nachgewiesen in | OpenAlex |
| Globale Ziele für nachhaltige Entwicklung | |
| Serie | Angewandte Machine Learning Algorithmen (AMALEA) |
| Folge | 22 |