mycoreobjectrosdok_thesis_0000000033rosdok_thesis_0000000033rosdokthesisrosdok_derivate_00000986992023-08-08T09:26:44.895Z2021-02-09T08:17:20.173ZadministratoreditorTpublished1rosdok_derivate_0000098699truetruederivate_types:fulltextVolltextfulltextwf_edit_epub wf_register_epubstate:publishedstate:publishedveröffentlichtpublishedrosdok/id000029211747807222Oau2021-02-092023-08-05T18:55:53ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.MasterarbeitHochschulschriftIntra-Life-Learning mittels parallelisierter NeuroevolutionIm Bereich des maschinellen Lernens wird bei dem Training von neuronalen Netzen üblicherweise zwischen der Trainings- und Einsatzphase unterschieden. Ändert sich jedoch die Datenbasis bezüglich einer Domäne, so muss die Trainingsphase für ein neuronales Netz komplett neu durchgeführt werden und schon erlerntes Wissen wird dabei komplett ignoriert. Diese Arbeit beschäftigt sich mit alternativen Lernverfahren, wobei das Ziel darin besteht, das Lernen eines neuronalen Netzes effizienter bezüglich unterschiedlicher Parameter wie z. B. Trainingszeit oder benötigte Trainingsbeispiele zu gestalten.In the field of machine learning, a distinction is usually made between the training and deployment phases when training neural networks. However, if the data base changes with respect to a domain, the training phase for a neural network has to be performed completely new and already learned knowledge is completely ignored. This thesis deals with alternative learning methods, where the goal is to make the learning of a neural network more efficient with respect to different parameters, such as training time or required training examples.OleFenskeVerfasserInautAndreasHeuer1958 -AkademischeR BetreuerIndgs1416544140000-0002-6163-6649RobinNicolayAkademischeR BetreuerIndgsAlkeMartens1970 -AkademischeR BetreuerIndgs1367064790000-0002-9411-920X38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10085032-7Universität RostockFakultät für Informatik und Elektrotechnik2004 -Grad-verleihende Institutiondgghttp://purl.uni-rostock.de/rosdok/id00002921urn:nbn:de:gbv:28-rosdok_id00002921-910.18453/rosdok_id00002921004 InformatikFakultät für Informatik und ElektrotechnikCC BY-NC-ND 4.0Nutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)de2020Universität RostockRostockmonographic202120202021Universitätsbibliothek RostockRostock2021Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00002921Andreas Heuer (Universität Rostock, Lehrstuhl für Datenbank- und Informationssysteme) ; Robin Nicolay (Universität Rostock, Lehrstuhl Praktische Informatik) ; Alke Martens (Universität Rostock, Lehrstuhl Praktische Informatik)vorgelegt von Ole Fenskedoctype:epubdoctype:epubDokumenttypDocument typedoctype:epub.masterthesisdoctype:epub.masterthesisMasterarbeitmaster thesisdiniPublType:masterThesis diniPublType2022:MasterThesis XMetaDissPlusThesisLevel:masterinfo:eu-repo/semantics/masterThesisdocumentnatureOfContent:ppn_105825778natureOfContent:ppn_105825778HochschulschriftdiniPublType2022:MasterThesisdiniPublType2022:MasterThesisAbschlussarbeit (Master)master thesisDRIVERXMetaDissPlusThesisLevel:masterXMetaDissPlusThesisLevel:masterMasterarbeitmaster thesisSDNB:004SDNB:004004 Informatik004 Data processing Computer sciencesinstitution:unirostockinstitution:unirostockUniversität RostockUniversity of RostockUniversität RostockUniversität RostockUni.Rostockhttp://d-nb.info/gnd/38329-6institution:unirostock.iefinstitution:unirostock.iefFakultät für Informatik und ElektrotechnikFaculty of Computer Science and Electrical EngineeringUniversität Rostock. Fakultät für Informatik und ElektrotechnikFakultät für Informatik<br />und ElektrotechnikUni.Rostock.Fakultaet.IEFhttp://d-nb.info/gnd/10085032-7licenseinfo:worklicenseinfo:workWerkworklicenseinfo:work.cclicenselicenseinfo:work.cclicenseCC-LizenzCC-licenselicenseinfo:work.cclicense.cc-by-nc-ndlicenseinfo:work.cclicense.cc-by-nc-ndCC BY-NC-NDCC BY-NC-NDlicenseinfo:work.cclicense.cc-by-nc-nd.v40licenseinfo:work.cclicense.cc-by-nc-nd.v40CC BY-NC-ND 4.0CC BY-NC-ND 4.0/creativecommons/l/by-nc-nd/4.0/88x31.png[DE-28]Namensnennung - Nicht kommerziell - Keine Bearbeitungen 4.0 International$cCC BY-NC-ND 4.0$gCreative Commons$uhttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/licenseinfo:depositlicenseinfo:depositVeröffentlichungsgenehmigungpermission to storelicenseinfo:deposit.rightsgrantedlicenseinfo:deposit.rightsgrantedNutzungsrechte erteiltrights grantedlicenseinfo:metadatalicenseinfo:metadataLizenzen für Metadatenlicenseinfo:metadata.cc0licenseinfo:metadata.cc0Lizenz Metadaten: CC0license metadata: CC0/creativecommons/p/zero/1.0/88x31.pnghttps://creativecommons.org/publicdomain/zero/1.0/accesscondition:openaccessaccesscondition:openaccessfrei zugänglich (Open Access)open accesshttp://purl.org/coar/access_right/c_abf2OAfreeinfo:eu-repo/semantics/openAccess[DE-28]Open Access$gControlled Vocabulary for Access Rights$uhttp://purl.org/coar/access_right/c_abf2rfc5646:derfc5646:deDeutschGermangerdeuIntra-Life-Learning mittels parallelisierter NeuroevolutionIntra-Life-Learning mittels parallelisierter Neuroevolutiongnd:141654414orcid:0000-0002-6163-6649gnd:136706479orcid:0000-0002-9411-920Xgnd:38329-6gnd:10085032-7gnd:141654414orcid:0000-0002-6163-6649gnd:136706479orcid:0000-0002-9411-920Xgnd:38329-6gnd:10085032-7rosdok_thesis_0000000033-d5456412e54Ole FenskeOle Fenskerosdok_thesis_0000000033-d5456412e64gnd:141654414orcid:0000-0002-6163-6649Andreas HeuerAndreas Heuerrosdok_thesis_0000000033-d5456412e80Robin NicolayRobin Nicolayrosdok_thesis_0000000033-d5456412e91gnd:136706479orcid:0000-0002-9411-920XAlke MartensAlke Martensrosdok_thesis_0000000033-d5456412e107gnd:38329-6Universität RostockUniversität Rostockrosdok_thesis_0000000033-d5456412e118gnd:10085032-7Universität Rostock Fakultät für Informatik und ElektrotechnikUniversität Rostock Fakultät für Informatik und ElektrotechnikOle FenskeAndreas HeuerRobin NicolayAlke MartensUniversität RostockUniversität Rostock Fakultät für Informatik und ElektrotechnikOle FenskeAndreas HeuerRobin NicolayAlke MartensUniversität RostockUniversität Rostock Fakultät für Informatik und ElektrotechnikOle FenskeRostockUniversität Rostockepub.masterthesishttp://purl.uni-rostock.de/rosdok/id00002921urn:nbn:de:gbv:28-rosdok_id00002921-910.18453/rosdok_id00002921Im Bereich des maschinellen Lernens wird bei dem Training von neuronalen Netzen üblicherweise zwischen der Trainings- und Einsatzphase unterschieden. Ändert sich jedoch die Datenbasis bezüglich einer Domäne, so muss die Trainingsphase für ein neuronales Netz komplett neu durchgeführt werden und schon erlerntes Wissen wird dabei komplett ignoriert. Diese Arbeit beschäftigt sich mit alternativen Lernverfahren, wobei das Ziel darin besteht, das Lernen eines neuronalen Netzes effizienter bezüglich unterschiedlicher Parameter wie z. B. Trainingszeit oder benötigte Trainingsbeispiele zu gestalten.In the field of machine learning, a distinction is usually made between the training and deployment phases when training neural networks. However, if the data base changes with respect to a domain, the training phase for a neural network has to be performed completely new and already learned knowledge is completely ignored. This thesis deals with alternative learning methods, where the goal is to make the learning of a neural network more efficient with respect to different parameters, such as training time or required training examples.20202020Andreas Heuer (Universität Rostock, Lehrstuhl für Datenbank- und Informationssysteme) ; Robin Nicolay (Universität Rostock, Lehrstuhl Praktische Informatik) ; Alke Martens (Universität Rostock, Lehrstuhl Praktische Informatik)vorgelegt von Ole Fenskeepub.masterthesis1 Fenske_Masterarbeit_2021.pdf 19796555 1b24200e010771f16dcfef8d0daa1ee6 rosdok/id000029211747807222Oau2021-02-092023-08-05T18:55:53ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.MasterarbeitHochschulschriftIntra-Life-Learning mittels parallelisierter NeuroevolutionIm Bereich des maschinellen Lernens wird bei dem Training von neuronalen Netzen üblicherweise zwischen der Trainings- und Einsatzphase unterschieden. Ändert sich jedoch die Datenbasis bezüglich einer Domäne, so muss die Trainingsphase für ein neuronales Netz komplett neu durchgeführt werden und schon erlerntes Wissen wird dabei komplett ignoriert. Diese Arbeit beschäftigt sich mit alternativen Lernverfahren, wobei das Ziel darin besteht, das Lernen eines neuronalen Netzes effizienter bezüglich unterschiedlicher Parameter wie z. B. Trainingszeit oder benötigte Trainingsbeispiele zu gestalten.In the field of machine learning, a distinction is usually made between the training and deployment phases when training neural networks. However, if the data base changes with respect to a domain, the training phase for a neural network has to be performed completely new and already learned knowledge is completely ignored. This thesis deals with alternative learning methods, where the goal is to make the learning of a neural network more efficient with respect to different parameters, such as training time or required training examples.OleFenskeVerfasserInautAndreasHeuer1958 -AkademischeR BetreuerIndgs1416544140000-0002-6163-6649RobinNicolayAkademischeR BetreuerIndgsAlkeMartens1970 -AkademischeR BetreuerIndgs1367064790000-0002-9411-920X38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10085032-7Universität RostockFakultät für Informatik und Elektrotechnik2004 -Grad-verleihende Institutiondgghttp://purl.uni-rostock.de/rosdok/id00002921urn:nbn:de:gbv:28-rosdok_id00002921-910.18453/rosdok_id00002921004 InformatikFakultät für Informatik und ElektrotechnikCC BY-NC-ND 4.0Nutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)de2020Universität RostockRostockmonographic202120202021Universitätsbibliothek RostockRostock2021Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00002921Andreas Heuer (Universität Rostock, Lehrstuhl für Datenbank- und Informationssysteme) ; Robin Nicolay (Universität Rostock, Lehrstuhl Praktische Informatik) ; Alke Martens (Universität Rostock, Lehrstuhl Praktische Informatik)vorgelegt von Ole Fenske 2021-02-09T08:17:20.173Z 2023-08-08T09:26:44.895Z 2023-08-18T09:26:44.903Z {"identifier":"rosdok/id00002921","type":"local_id","additional":"","service":"MCRLocalID","created":"2021-02-09T08:17:20.727Z"} editorT {"identifier":"http://purl.uni-rostock.de/rosdok/id00002921","type":"purl","additional":"","service":"RosDokPURL","created":"2021-02-09T08:27:47.647Z","registered":"2021-02-09T08:27:47.647Z"} {"identifier":"10.18453/rosdok_id00002921","type":"doi","additional":"","service":"RosDokDOI","created":"2021-02-09T08:27:50.643Z","registered":"2021-02-09T08:27:50.643Z"} {"identifier":"urn:nbn:de:gbv:28-rosdok_id00002921-9","type":"dnbUrn","additional":"","service":"RosDokURN","created":"2021-02-09T08:17:20.788Z","registered":"2021-02-10T03:19:05.783Z"} administratorfulltextfile/rosdok_thesis_0000000033/rosdok_derivate_0000098699/Fenske_Masterarbeit_2021.pdfIntra-Life-Learning mittels parallelisierter NeuroevolutionIntra-Life-Learning mittels parallelisierter Neuroevolutiongnd:141654414orcid:0000-0002-6163-6649gnd:136706479orcid:0000-0002-9411-920Xgnd:38329-6gnd:10085032-7gnd:141654414orcid:0000-0002-6163-6649gnd:136706479orcid:0000-0002-9411-920Xgnd:38329-6gnd:10085032-7rosdok_thesis_0000000033-d5456412e54Ole FenskeOle Fenskerosdok_thesis_0000000033-d5456412e64gnd:141654414orcid:0000-0002-6163-6649Andreas HeuerAndreas Heuerrosdok_thesis_0000000033-d5456412e80Robin NicolayRobin Nicolayrosdok_thesis_0000000033-d5456412e91gnd:136706479orcid:0000-0002-9411-920XAlke MartensAlke Martensrosdok_thesis_0000000033-d5456412e107gnd:38329-6Universität RostockUniversität Rostockrosdok_thesis_0000000033-d5456412e118gnd:10085032-7Universität Rostock Fakultät für Informatik und ElektrotechnikUniversität Rostock Fakultät für Informatik und ElektrotechnikOle FenskeAndreas HeuerRobin NicolayAlke MartensUniversität RostockUniversität Rostock Fakultät für Informatik und ElektrotechnikOle FenskeAndreas HeuerRobin NicolayAlke MartensUniversität RostockUniversität Rostock Fakultät für Informatik und ElektrotechnikOle FenskeRostockUniversität Rostockepub.masterthesishttp://purl.uni-rostock.de/rosdok/id00002921urn:nbn:de:gbv:28-rosdok_id00002921-910.18453/rosdok_id00002921Im Bereich des maschinellen Lernens wird bei dem Training von neuronalen Netzen üblicherweise zwischen der Trainings- und Einsatzphase unterschieden. Ändert sich jedoch die Datenbasis bezüglich einer Domäne, so muss die Trainingsphase für ein neuronales Netz komplett neu durchgeführt werden und schon erlerntes Wissen wird dabei komplett ignoriert. Diese Arbeit beschäftigt sich mit alternativen Lernverfahren, wobei das Ziel darin besteht, das Lernen eines neuronalen Netzes effizienter bezüglich unterschiedlicher Parameter wie z. B. Trainingszeit oder benötigte Trainingsbeispiele zu gestalten.In the field of machine learning, a distinction is usually made between the training and deployment phases when training neural networks. However, if the data base changes with respect to a domain, the training phase for a neural network has to be performed completely new and already learned knowledge is completely ignored. This thesis deals with alternative learning methods, where the goal is to make the learning of a neural network more efficient with respect to different parameters, such as training time or required training examples.20202020Andreas Heuer (Universität Rostock, Lehrstuhl für Datenbank- und Informationssysteme) ; Robin Nicolay (Universität Rostock, Lehrstuhl Praktische Informatik) ; Alke Martens (Universität Rostock, Lehrstuhl Praktische Informatik)vorgelegt von Ole Fenske[xslt]Saxonrosdok/id00002921https://purl.uni-rostock.de/rosdok/id00002921174780722210.18453/rosdok_id00002921urn:nbn:de:gbv:28-rosdok_id00002921-9Ole FenskeFenske OleIntra-Life-Learning mittels parallelisierter NeuroevolutionMasterarbeitmaster thesisUniversität Rostock, 2020Im Bereich des maschinellen Lernens wird bei dem Training von neuronalen Netzen üblicherweise zwischen der Trainings- und Einsatzphase unterschieden. Ändert sich jedoch die Datenbasis bezüglich einer Domäne, so muss die Trainingsphase für ein neuronales Netz komplett neu durchgeführt werden und…Ole FenskeIntra-Life-Learning mittels parallelisierter NeuroevolutionUniversitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00002921OleFenskeVerfasserInautAndreasHeuer1958 -AkademischeR BetreuerIndgs1416544140000-0002-6163-6649RobinNicolayAkademischeR BetreuerIndgsAlkeMartens1970 -AkademischeR BetreuerIndgs1367064790000-0002-9411-920X38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10085032-7Universität RostockFakultät für Informatik und Elektrotechnik2004 -Grad-verleihende Institutiondgg[purl]http://purl.uni-rostock.de/rosdok/id00002921[urn]urn:nbn:de:gbv:28-rosdok_id00002921-9[doi]10.18453/rosdok_id00002921open_access20202020epoch:21th_centuryrfc5646:dedoctype:epub.masterthesisaccesscondition:openaccessSDNB:004institution:unirostock.iefstate:published