Artificial Neural Networks: versiegeschiedenis

Selectie voor verschillen: selecteer de te vergelijken versies en toets ENTER of de knop onderaan.
Verklaring afkortingen: (huidig) = verschil met huidige versie, (vorige) = verschil met voorgaande versie, k = kleine wijziging.

huidigvorige 21:2122 mrt 2020 21:21 Ruben.van laer overleg bijdragen k 71.662 bytes +458 Removed 3bi

huidigvorige 20:5115 aug 2013 20:51 Rutger.moons overleg bijdragen 71.204 bytes +335 Geen bewerkingssamenvatting

huidigvorige 21:2217 jan 2009 21:22 Inge overleg bijdragen 70.869 bytes −18 Geen bewerkingssamenvatting
huidigvorige 18:5017 jan 2009 18:50 Inge overleg bijdragen 70.887 bytes −211 Geen bewerkingssamenvatting

huidigvorige 16:1113 apr 2008 16:11 Uvrt overleg bijdragen 71.098 bytes +8 →What is a CNN template? (05-06)
huidigvorige 16:1013 apr 2008 16:10 Uvrt overleg bijdragen 71.090 bytes +7 →What are typical application areas of cellular neural networks?(05-06)
huidigvorige 16:1013 apr 2008 16:10 Uvrt overleg bijdragen 71.083 bytes +8 →* What is a cellular neural network and how does it work ? What are its main advantages? (05-06)
huidigvorige 16:0213 apr 2008 16:02 Uvrt overleg bijdragen 71.075 bytes +8 →* Explain the Adaline network and the LMS learning rule. (05-06)
huidigvorige 15:5913 apr 2008 15:59 Uvrt overleg bijdragen 71.067 bytes +8 →Explain the problem of echo cancellation and the use of adaline networks to overcome it. (05-06)
huidigvorige 15:5813 apr 2008 15:58 Uvrt overleg bijdragen 71.059 bytes +8 →* What are the motivations for fuzzifying the perceptron rule? How can one do this? (05-06)
huidigvorige 15:5813 apr 2008 15:58 Uvrt overleg bijdragen 71.051 bytes +8 →* What are the basic ideas implemented by support vector machines? Explain.(05-06)
huidigvorige 15:5613 apr 2008 15:56 Uvrt overleg bijdragen 71.043 bytes +8 →Explain: Bayesian learning treats the issue of model complexity differently than cross-validation does. (05-06)
huidigvorige 15:5513 apr 2008 15:55 Uvrt overleg bijdragen 71.035 bytes +8 →* Explain how a network learns in the Bayesian approach.(05-06)
huidigvorige 15:5513 apr 2008 15:55 Uvrt overleg bijdragen 71.027 bytes +8 →What is the relation between the Bayesian and maximum likelihood approach? (05-06)
huidigvorige 15:5113 apr 2008 15:51 Uvrt overleg bijdragen 71.019 bytes +8 →Explain the tiling algorithm.(05-06)
huidigvorige 15:5113 apr 2008 15:51 Uvrt overleg bijdragen 71.011 bytes +8 →What is the aim of pruning and construction algorithms? Give an example. (05-06)
huidigvorige 15:5013 apr 2008 15:50 Uvrt overleg bijdragen 71.003 bytes +8 →* Give the connection between Sanger's rule and principal component analysis.(05-06)
huidigvorige 15:5013 apr 2008 15:50 Uvrt overleg bijdragen 70.995 bytes +7 →Explain Oja's rule in the framework of unsupervised Hebbian learning.(05-06)
huidigvorige 15:4713 apr 2008 15:47 Uvrt overleg bijdragen 70.988 bytes +7 →What is an RBF (radial basis function) network? How does it work? (05-06)
huidigvorige 15:4313 apr 2008 15:43 Uvrt overleg bijdragen 70.981 bytes +7 →* What is a self-organizing map? Give an example.(05-06)
huidigvorige 15:4213 apr 2008 15:42 Uvrt overleg bijdragen 70.974 bytes +7 →Explain the adaptive resonance theory algorithm.(05-06)
huidigvorige 15:2913 apr 2008 15:29 Uvrt overleg bijdragen 70.967 bytes +8 →* Explain vector quantization and learning vector quantization. What is the difference?(05-06)
huidigvorige 15:2913 apr 2008 15:29 Uvrt overleg bijdragen 70.959 bytes +8 →Explain the standard competitive learning rule.(05-06)
huidigvorige 15:2613 apr 2008 15:26 Uvrt overleg bijdragen 70.951 bytes +7 →* Explain learning with a critic. (Can it be applied for the control of a plant?) When can it be applied?(05-06)
huidigvorige 15:2613 apr 2008 15:26 Uvrt overleg bijdragen 70.944 bytes +7 →Explain the associative reward-penalty algorithm. (05-06)
huidigvorige 15:2113 apr 2008 15:21 Uvrt overleg bijdragen 70.937 bytes +5 →Het Exploratie-Exploitatie probleem:
huidigvorige 15:2013 apr 2008 15:20 Uvrt overleg bijdragen 70.932 bytes +131 →* Explain the recurrent back-propagation algorithm.
huidigvorige 15:1713 apr 2008 15:17 Uvrt overleg bijdragen k 70.801 bytes +8 →* Describe the design of a neural network for the weighted matching problem.(05-06)
huidigvorige 15:1613 apr 2008 15:16 Uvrt overleg bijdragen 70.793 bytes +8 →Explain the energy function of the travelling salesman problem.(05-06)
huidigvorige 15:1513 apr 2008 15:15 Uvrt overleg bijdragen 70.785 bytes +8 →How can one solve optimization problems using the Hopfield model? Give an example.(05-06)
huidigvorige 15:0813 apr 2008 15:08 Uvrt overleg bijdragen 70.777 bytes +53 →Lecture 3
huidigvorige 15:0713 apr 2008 15:07 Uvrt overleg bijdragen k 70.724 bytes +8 →What is an attractor neural network and how does it work? Give an example.(05-06)
huidigvorige 15:0513 apr 2008 15:05 Uvrt overleg bijdragen 70.716 bytes +7 →Explain that certain classiﬁcation problems can be solved with two layer Neural Networks, that cannot be solved with one layer Neural Networks.(05-06)
huidigvorige 15:0413 apr 2008 15:04 Uvrt overleg bijdragen 70.709 bytes +123 →Lecture 2
huidigvorige 15:0213 apr 2008 15:02 Uvrt overleg bijdragen 70.586 bytes +7 →* Explain discriminant functions in classiﬁer systems and their relation to the perceptron. (05-06)
huidigvorige 15:0113 apr 2008 15:01 Uvrt overleg bijdragen 70.579 bytes +99 →Lecture 2
huidigvorige 14:5813 apr 2008 14:58 Uvrt overleg bijdragen 70.480 bytes +6 →What is the learning constant, and which values should you give it ? Explain its role.(05-06)
huidigvorige 14:4013 apr 2008 14:40 Uvrt overleg bijdragen 70.474 bytes −1 →Which kind of activation functions can one use for neural networks? What are advantages and disadvantages with respect to learning?(05-06)(07-08))
huidigvorige 14:4013 apr 2008 14:40 Uvrt overleg bijdragen 70.475 bytes +8 →Which kind of activation functions can one use for neural networks? What are advantages and disadvantages with respect to learning?(05-06)
huidigvorige 14:3913 apr 2008 14:39 Uvrt overleg bijdragen 70.467 bytes +7 →* Explain the early stopping rule and overtraining.(05-06)
huidigvorige 14:3713 apr 2008 14:37 Uvrt overleg bijdragen 70.460 bytes +7 →In which areas is it useful to apply neural networks and where is it not useful? (05-06)
huidigvorige 14:3313 apr 2008 14:33 Uvrt overleg bijdragen 70.453 bytes +7 →Explain the difference between learning, memorization and generalization.(05-06)
huidigvorige 14:3113 apr 2008 14:31 Uvrt overleg bijdragen 70.446 bytes +7 →Lecture 1

huidigvorige 08:3923 nov 2007 08:39 Bas overleg bijdragen k 70.439 bytes 0 "Artificial Neural Networks" beveiligd: antispam [edit=autoconfirmed:move=autoconfirmed]
huidigvorige 08:1423 nov 2007 08:14 Bas overleg bijdragen 70.439 bytes +68.928 revert
huidigvorige 03:1323 nov 2007 03:13 125.5.160.83 overleg 1.511 bytes +12 PQPfjAeFbpUqnP
huidigvorige 02:0823 nov 2007 02:08 218.25.105.18 overleg 1.499 bytes −88 jZBizHivcElUeDvJKxX

huidigvorige 19:4422 nov 2007 19:44 201.20.202.48 overleg 1.587 bytes +108 tSlQOUUPk
huidigvorige 18:4422 nov 2007 18:44 202.83.125.130 overleg 1.479 bytes −50 MVRPZPUFlwWw
huidigvorige 11:1022 nov 2007 11:10 195.76.242.227 overleg 1.529 bytes −32 xRsshrxs

Artificial Neural Networks: versiegeschiedenis

22 mrt 2020

15 aug 2013

17 jan 2009

13 apr 2008

23 nov 2007

22 nov 2007

Navigatiemenu

Zoeken