[nur in Englisch verfügbar]
Natural gradient descent is an optimization method that takes steps in distribution space rather than in parameter space. Therefore it can be used as an alternative to stochastic gradient descent. In this talk an overview over this method and its properties is given, and it is shown how it can be viewed as a type of 2nd-order optimization method.
10:00 – 11:00 Uhr
Avraam Chatzimichailidis (Fraunhofer ITWM) spricht zum Thema »Natural Gradient Descent«.
Das Seminar wird über das Tool MS Teams veranstaltet. Dafür hier auf den Meeting-Link klicken. Um alle Funktionen nutzen zu können, empfiehlt es sich vorher die MS Teams App zu downloaden.
Bei Fragen zur Organisation, wenden Sie sich bitte an Dominik Straßel (siehe Kontakte).
Die Veranstaltung findet digital statt.
18. Juni 2020
Das Deep Learning Seminar wird von Mitarbeitenden unseres Schwerpunktes »Datenanalyse und Maschinelles Lernen« der Abteilung »High Performance Computing« organisiert. Damit sollen Interessierte Einblicke in dieses große Forschungsgebiet und ein tieferes Verständnis erhalten. Eigenladen sind alle, die mehr über Deep Learning, Machine Learning oder auch KI allgemein erfahren möchten – egal ob StudentInnen, DoktorandInnen, ProfessorInnen oder Software-EntwicklerInnen. Neben den Mitarbeitenden unserer Abteilung können auch interessierte Externe einen Vortrag in unserer Seminarreihe halten. Wir haben auch die Möglichkeit, externe Sprecherinnen und Sprecher einzuladen. Für Vorschläge, Anregungen oder Wünsche sind wir immer offen.
Die Veranstaltung findet üblicherweise (von Feiertagsverschiebungen und Sommerpause abgesehen) jeden Donnerstag statt. Das Thema eines Vortrags sollte entweder direkt aus den Bereichen Deep Learning, Machine Learning, Datenanalyse oder KI stammen oder für diese von Relevanz sein. Es ist dabei vollkommen offen gehalten, ob der Vortrag über ein Paper, ein eigenes Projekt oder ein interessantes Thema gehalten wird. Die Komplexität kann dabei von einem allgemeinen Übersichtsvortrag bis hin zu einem Spezialthema reichen.
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik ITWM