April 22, 2021 Bachelor Thesis Open Access

Guthmann, Dorian

Citation Style Language JSON Export

{
  "abstract": "<p>Im Allgemeinen liefert ein neuronales Netz f&uuml;r beliebige Eingabedaten immer eine Vorhersage, ohne eine Angabe zu machen, wie sicher diese Vorhersage ist. Eine besondere Art der neuronalen Netze hei&szlig;en bayesische neuronale Netze (BNN). Der Hauptunterschied zwischen herk&ouml;mmlichen neuronalen Netzen und BNNs ist, dass die Informationsverarbeitung in BNNs durch Rechnung mit Wahrscheinlichkeitsverteilungen geschieht, mithilfe derer eine Aussage &uuml;ber die Unsicherheit der vom Netz gemachten Vorhersagen getroffenen werdenkann. Im Rahmen der Masterarbeit &quot;Treating Uncertainties with Bayesian Neural Networks in the measurement of ttH(bb) production&quot; von Nikita Shadskiy wurden f&uuml;r die ttH-Analyse BNNs studiert, die Vorhersagen dar&uuml;ber treffen k&ouml;nnen, ob ein gemessenes Ereignis zum ttH-Prozess geh&ouml;rt,oder nicht. Ziel dieser Arbeit ist es f&uuml;r die ttH-Analyse BNNs einzuf&uuml;hren, die zwischen verschiedenen Klassen von Prozessen unterscheiden k&ouml;nnen, sowie eine Aussage &uuml;ber deren Nutzbarkeit und Leistungsf&auml;higkeit im Vergleich zu herk&ouml;mmlichen neuronalen Netzen zu treffen.Weiterf&uuml;hrend werden Auswertungsmethoden, welche die f&uuml;r BNNs einzigartige Vorhersagen-Unsicherheit miteinbeziehen, vorgestellt.</p>", 
  "author": [
    {
      "family": "Guthmann, Dorian"
    }
  ], 
  "id": "22048", 
  "issued": {
    "date-parts": [
      [
        2021, 
        4, 
        22
      ]
    ]
  }, 
  "language": "deu", 
  "title": "Multiklassifikation mit Bayesian Neural Networks in der ttH(bb)-Analyse", 
  "type": "thesis"
}