Zobrazeno 1 - 10
of 33
pro vyhledávání: '"Dirk Hecker"'
Publikováno v:
Wirtschaftsinformatik & Management. 15:161-167
Autor:
Gennady Andrienko, Natalia Andrienko, Jose Manuel Cordero Garcia, Dirk Hecker, George A. Vouros
Publikováno v:
IEEE Computer Graphics and Applications
We consider the general problem known as job shop scheduling, in which multiple jobs consist of sequential operations that need to be executed or served by appropriate machines having limited capacities. For example, train journeys (jobs) consist of
Artificial intelligence is increasingly penetrating industrial applications as well as areas that affect our daily lives. As a consequence, there is a need for criteria to validate whether the quality of AI applications is sufficient for their intend
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::68318f31df11994c362b3a1adb6dd811
Publikováno v:
Designing Data Spaces ISBN: 9783030939748
Machine learning and artificial intelligence have become crucial factors for the competitiveness of individual companies and entire economies. Yet their successful deployment requires access to a large volume of training data often not even available
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::700987aa79b07ebd57fb809abddcb29f
https://doi.org/10.1007/978-3-030-93975-5_13
https://doi.org/10.1007/978-3-030-93975-5_13
Autor:
Gerhard Paaß, Dirk Hecker
Artificial Intelligence (AI) is already present in our daily routines, and in the future, we will encounter it in almost every aspect of life – from analyzing X-rays for medical diagnosis, driving autonomous cars, maintaining complex machinery, t
Publikováno v:
Advances in Intelligent Systems and Computing ISBN: 9783030551896
IntelliSys (3)
IntelliSys (3)
The hyperbolic tangent (tanh) is a traditional choice for the activation function of the neurons of an artificial neural network. Here, we go through a simple calculation that shows that this modeling choice is linked to Bayesian decision theory. Our
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::32067c5c092acb8e34dfdb136b6efcf0
https://doi.org/10.1007/978-3-030-55190-2_56
https://doi.org/10.1007/978-3-030-55190-2_56
Autor:
Dirk Hecker, Gerhard Paaß
Publikováno v:
Künstliche Intelligenz ISBN: 9783658302108
Maschinelles Lernen hat die Aufgabe, fur den Nutzer relevante Zusammenhange aus Daten zu rekonstruieren. In diesem Kapitel wird ein einfaches lineares Modell, das logistischen Regressionsmodell, formuliert, welches fur beliebige Eingaben die zugehori
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::cc221d83df69a5c82ac79e5d9d6b040e
https://doi.org/10.1007/978-3-658-30211-5_3
https://doi.org/10.1007/978-3-658-30211-5_3
Autor:
Gerhard Paaß, Dirk Hecker
Publikováno v:
Künstliche Intelligenz ISBN: 9783658302108
Kunstliche Intelligenz hat sich in den letzten Jahren als zentrales Trendthema der globalen Technologieindustrie etabliert. Sie wird realisiert durch tiefe neuronale Netze und bietet vielfaltige Chancen und Innovationspotentiale, beispielsweise im Sm
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::86987eeffa280cf26fdbbba0a0bdfab1
https://doi.org/10.1007/978-3-658-30211-5_10
https://doi.org/10.1007/978-3-658-30211-5_10
Autor:
Dirk Hecker, Gerhard Paaß
Publikováno v:
Künstliche Intelligenz ISBN: 9783658302108
Dieses Kapitel zeigt, dass tiefe neuronale Netze (TNN) auf kreative Art neuartige Bilder, Texte, Musik und Dialoge erzeugen konnen. Bei Bildern sind generative adversariale Netze (GAN) in der Lage, Bilder mit bestimmten Eigenschaften oder Stilmerkmal
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::a568f686d6603b81a3d344df0c1c5508
https://doi.org/10.1007/978-3-658-30211-5_9
https://doi.org/10.1007/978-3-658-30211-5_9
Autor:
Gerhard Paaß, Dirk Hecker
Publikováno v:
Künstliche Intelligenz ISBN: 9783658302108
Die allermeisten Informationen in unserer Gesellschaft sind als geschriebener Text verfugbar. Diese Kapitel beschreibt daher die Extraktion von Wissen aus geschriebenem Text. In tiefen neuronalen Netzen (TNN) werden Worter, Satze und Dokumente meist
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::83d55cb89a352e50fa041ac182892001
https://doi.org/10.1007/978-3-658-30211-5_6
https://doi.org/10.1007/978-3-658-30211-5_6