TY - THES A1 - Roman, Anschel Julio ED - Fügenschuh, Armin T1 - Künstliche neuronale Netze in biomedizinischen Anwendungen T1 - Artificial neuronal networks in biomedical applications N2 - Die Bachelorarbeit beschäftigt sich mit der Entwicklung effizienter Methoden für 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 leistungsfähig erwiesen und können genutzt werden, um große Mengen von mikroskopischen Zellbildern in kurzer Zeit zu klassifizieren. Aufgezeigt werden Möglichkeiten zur Optimierung solcher Algorithmen mit dem Ziel, Genauigkeit und Speichergröße zu verbessern. Es wurden hierbei der Einfluss von verschiedenen Parametern auf die Performance eines Algorithmus untersucht und gegenübergestellt, verschiedene etablierte Modelle miteinander verglichen und eine Auswahl gängiger Methoden zur Modell-Optimierung getestet. Genutzt wurde die Software-Bibliothek TensorFlow, welche über die Programmiersprache Python angesprochen wird. Reale Anwendungsdaten wurden von der Firma Medipan zur Verfügung gestellt. N2 - The bachelor thesis deals with the development of efficient methods for the classification of cell stages. The focus here is on so-called deep learning algorithms. Among other things, these have proven to be very powerful in image recognition and can be used to classify large quantities of microscopic cell images in a short time. Possibilities for optimizing such algorithms with the aim of improving accuracy and memory size are shown. The influence of various parameters on the performance of an algorithm was examined and compared, various established models were compared with one another and a selection of common methods for model optimization were tested. The TensorFlow software library was used, which is addressed via the Python programming language. Real application data were provided by Medipan. T3 - Cottbus Mathematical Preprints - 20, 2021 KW - Künstliche neuronale Netze KW - Tiefes Lernen KW - Nichtlineare Optimierung KW - Bilderkennung KW - Bildklassifizierung KW - Artificial neuronal networks KW - Deep learning KW - Nonlinear optimization KW - Image recognition KW - Image classification KW - Neuronales Netz KW - Mustererkennung KW - Deep learning KW - Nichtlineare Optimierung Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-56309 ER - TY - THES A1 - Tchouto Mbatchou, Thierry ED - Fügenschuh, Armin T1 - Training of artificial neuronal networks with nonlinear optimization techniques T1 - Training künstlicher Neuronaler Netze mit Techniken der nichtlinearen Optimierung N2 - 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. N2 - Maschinelles Lernen ist ein Gebiet, mit dem sich in den letzten Jahrzehnten viele Forscher rund um den Globus intensiv auseinandergesetzt haben. Um Probleme im Gebiet des maschinellen Lernens lösen zu können, wie zum Beispiel Klassifizierungsprobleme, muss man sehr oft ein künstliches neuronales Netz trainieren. Damit ein solches Netz erfolgreich trainiert werden kann, muss eine bestimmte Verlustfunktion minimiert werden. Es gibt einen allgegenwärtigen Ansatz, um dies zu erreichen, der darin besteht, Varianten des stochastischen Gradientenabstiegs kombiniert mit dem Backpropagation-Algorithmus zu verwenden. In unserer Arbeit wollten wir ein eher unkonventionelles Schema testen, indem wir die von einer Software names AMPL angebotenen Solver gebrauchen. T3 - Cottbus Mathematical Preprints - 15, 2021 KW - Nonlinear optimization KW - Artificial neuronal networks KW - Image recognition KW - Nichtlineare Optimierung KW - Künstliche Neuronale Netze KW - Bilderkennung KW - Bilderkennung KW - Neuronales Netz KW - Nichtlineare Optimierung KW - AMPL Y1 - 2021 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:co1-opus4-54042 ER -