@masterthesis{Roman2021, type = {Bachelor Thesis}, author = {Roman, Anschel Julio}, title = {K{\"u}nstliche neuronale Netze in biomedizinischen Anwendungen}, editor = {F{\"u}genschuh, Armin}, doi = {10.26127/BTUOpen-5630}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-56309}, school = {BTU Cottbus - Senftenberg}, year = {2021}, abstract = {Die Bachelorarbeit besch{\"a}ftigt sich mit der Entwicklung effizienter Methoden f{\"u}r die Klassifizierung der Stadien von Zellen. Hierbei liegt der Fokus auf sogenannten Deep-Learning-Algorithmen. Diese haben sich unter anderem in der Bilderkennung als sehr leistungsf{\"a}hig erwiesen und k{\"o}nnen genutzt werden, um große Mengen von mikroskopischen Zellbildern in kurzer Zeit zu klassifizieren. Aufgezeigt werden M{\"o}glichkeiten zur Optimierung solcher Algorithmen mit dem Ziel, Genauigkeit und Speichergr{\"o}ße zu verbessern. Es wurden hierbei der Einfluss von verschiedenen Parametern auf die Performance eines Algorithmus untersucht und gegen{\"u}bergestellt, verschiedene etablierte Modelle miteinander verglichen und eine Auswahl g{\"a}ngiger Methoden zur Modell-Optimierung getestet. Genutzt wurde die Software-Bibliothek TensorFlow, welche {\"u}ber die Programmiersprache Python angesprochen wird. Reale Anwendungsdaten wurden von der Firma Medipan zur Verf{\"u}gung gestellt.}, subject = {K{\"u}nstliche neuronale Netze; Tiefes Lernen; Nichtlineare Optimierung; Bilderkennung; Bildklassifizierung; Artificial neuronal networks; Deep learning; Nonlinear optimization; Image recognition; Image classification; Neuronales Netz; Mustererkennung; Deep learning; Nichtlineare Optimierung}, language = {de} } @masterthesis{TchoutoMbatchou2021, type = {Bachelor Thesis}, author = {Tchouto Mbatchou, Thierry}, title = {Training of artificial neuronal networks with nonlinear optimization techniques}, editor = {F{\"u}genschuh, Armin}, doi = {10.26127/BTUOpen-5404}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-54042}, school = {BTU Cottbus - Senftenberg}, year = {2021}, abstract = {Machine learning is a field that has been the object of study of many researchers around the globe during the last decades. Very often to solve machine learning challenges like classification problems for example, one needs to train an artificial neural network. To train this network a certain loss function has to be minimized. There is a ubiquitous approach to achieve this which consists of using variants of the stochastic gradient descent combined with the backpropagation algorithm. In our work, we aimed at testing a rather non-conventional scheme consisting of making use of the solvers a software called AMPL offers.}, subject = {Nonlinear optimization; Artificial neuronal networks; Image recognition; Nichtlineare Optimierung; K{\"u}nstliche Neuronale Netze; Bilderkennung; Bilderkennung; Neuronales Netz; Nichtlineare Optimierung; AMPL}, language = {en} }