Friday, December 6th, 2019 (ANNs, PCA, image transfer)¶

Anwesend: Axel, Ulf, Malin, Maren, Josefine

Neural Networks¶

Clustering auf auto encoder laufen lassen?
Zuerst PCA anwenden macht Sinn
Generative adversarial network: vielleicht nützlich wenn man neue Spargelbilder generieren will, ansonsten nicht unbedingt; interessant, wenn man gute Bilder hat; man füttert den Code in das erste Netzwerk, generiert ein Bild und das zweite Netzwerk gibt dann “ja”/”nein” aus; besser als zweiter/dritter/vierter Schritt gedacht
Beim Semi-Supervised Learning würde ab und an das ‘Feature’ (also Label) mit reingeworfen werden.
Der Auto Encoder Approach wäre unsupervised, es entstehen freie Cluster; man gewinnt eine komprimierte Darstellung der Daten; nicht das “Learning” ist interessant bei Machine Learning sondern was für Feature Darstellungen/Gruppierungen entstehen
Voll Supervised Learning passt mein Model so an das es zuverlässig meine Cluster ausgibt
Semi-Supervised Learning versucht Code zu extrahieren (z.B. Loss Function: wenn ich Label habe will ich wissen, wie diese aussehen und die Daten ohne Label will ich möglichst gut rekonstruieren)

Grid Manager
Preprocessor verbessert
Verbesserung von Feature Extractor für Features wie “Krumm”, jetzt gibt es mehr Werte die das aussagen aus denen man den eigentlichen Code rausbekommen könnte
Feature für violett funktioniert auch noch nicht immer (vielleicht threshold höher setzen?)
Submit Script vorgestellt

Transfer der Ordner von Sommer- zu Wintersemester
Erst PCA fertig zum laufen kriegen,
dann neural encoder,
weiter labeln,
und für nach Weihnachten nochmal ein Kappa Agreement machen und die Accuracy und Einheitlichkeit prüfen.