AlexNet
AlexNet ist ein tiefes faltendes neuronales Netz (CNN), das 2012 von Alex Krizhevsky, Ilya Sutskever und Geoffrey Hinton eingeführt wurde. Es gewann die ImageNet Large Scale Visual Recognition Challenge (ILSVRC 2012) mit einer Top-5-Fehlerrate von 15,3 %, übertraf den Zweitplatzierten um mehr als 10 Prozentpunkte und entfachte das breite Interesse am Deep Learning neu. Die Architektur führte oder popularisierte mehrere Techniken – ReLU-Aktivierungen, Dropout-Regularisierung und Multi-GPU-Training –, die zum Standard im gesamten Feld wurden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. Advances in Neural Information Processing Systems, 25, 1097–1105. (Republished: Communications of the ACM, 60(6), 84–90, 2017.) DOI: 10.1145/3065386 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 9: Convolutional Networks). MIT Press. ISBN: 978-0-262-03561-3
- LeCun, Y., Bengio, Y., & Hinton, G. E. (2015). Deep Learning. Nature, 521, 436–444. DOI: 10.1038/nature14539 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). AlexNet (Krizhevsky–Sutskever–Hinton Deep Convolutional Neural Network). ScholarGate. https://scholargate.app/de/deep-learning/alexnet
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Batch-NormalisierungDeep Learning↔ compare
- DropoutDeep Learning↔ compare
- ResNet (Residual Network)Deep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →