MLDS2018SPRING

MLDS2018 FRÜHLING

Maschinelles Lernen und seine Tiefe und Strukturierung (MLDS) auf der NTU 2018 Spring.

Dieser Kurs besteht aus vier Hausaufgaben, Gruppe für Gruppe. Die vier Hausaufgaben lauten wie folgt:

1. Deep-Learning-Theorie
2. Sequenz-zu-Sequenz-Modell
3. Tiefes generatives Modell
4. Deep Reinforcement Learning

Weitere Informationen finden Sie auf dieser Kurswebsite.

Inhaltsverzeichnis

1. Deep-Learning-Theorie
   • Tief vs. Flach
   • Optimierung
   • Verallgemeinerung
2. Sequenz-zu-Sequenz-Modell
   • Generierung von Videountertiteln
   • Chatbot
3. Tiefes generatives Modell
   • Bilderzeugung
   • Text-zu-Bild-Generierung
   • Stilübertragung
4. Deep Reinforcement Learning
   • Politikgradient
   • Deep Q Learning
   • Schauspieler-Kritiker

Ergebnisse von vier Hausaufgaben

1. Deep-Learning-Theorie

• Bericht.pdf

1.1 Tief vs. Flach

• README

1.2 Optimierung

• README

1.3 Verallgemeinerung

• README

2. Sequenz-zu-Sequenz-Modell

2.1 Generierung von Videountertiteln

• BLEU@1 = 0,7204
• README
• hw2_1/report.pdf

2.2 Chatbot

• Ratlosigkeit = 11,83, Korrelationswert = 0,53626
• README
• hw2_2/report.pdf

3. Tiefes generatives Modell

• Bericht.pdf

3.1 Bilderzeugung

• README
• Bilderzeugung: 100 % (25/25) Bestandene Grundlinie

./gan-baseline/baseline_result_gan.png

3.2 Text-zu-Bild-Generierung

• README
• Text-zu-Bild-Generierung: 100 % (25/25) Bestandene Grundlinie

Tags testen	./gan-baseline/baseline_result_cgan.png
blaue Haare, blaue Augen blaue Haare, grüne Augen blaue Haare, rote Augen grüne Haare, blaue Augen grüne Haare, rote Augen

3.3 Stilübertragung

• README

4. Deep Reinforcement Learning

• Bericht.pdf

4.1 Politikgefälle

• README
• Richtliniengradient: Mittlere Belohnungen in 30 Episoden = 16,466666666666665

4.2 Deep Q Learning

• README
• Deep Q Learning: Mittlere Belohnungen in 100 Episoden = 73,16

4.3 Schauspieler-Kritiker

• README