Künstliches neuronales Netz (German Wikipedia)

Analysis of information sources in references of the Wikipedia article "Künstliches neuronales Netz" in German language version.

refsWebsite

Global rank German rank

6idsia.ch

low place

6,992^nd place

3web.archive.org

1^st place

3doi.org

2^nd place

3^rd place

3zdb-katalog.de

123^rd place

6^th place

2arxiv.org

69^th place

189^th place

1fraunhofer.de

7,696^th place

870^th place

1mit.edu

415^th place

779^th place

1dkriesel.com

low place

1chemgapedia.de

low place

2,510^th place

1tu-berlin.de

7,479^th place

853^rd place

1springer.com

274^th place

152^nd place

1lecun.com

low place

1georgetown.edu

2,318^th place

3,432^nd place

1toronto.edu

low place

8,952^nd place

1semanticscholar.org

11^th place

1,120^th place

1towardsdatascience.com

8,920^th place

low place

1faqs.org

4,871^st place

9,950^th place

1heise.de

766^th place

46^th place

arxiv.org

M. D. Zeiler, R. Fergus: Visualizing and Understanding Convolutional Networks. 2013. arxiv:1311.2901
Dynamic Neural Networks: A Survey, Autoren Yizeng Han, Gao Huang, Shiji Song, Le Yang, Honghui Wang, Yulin Wang, https://arxiv.org/pdf/2102.04906

chemgapedia.de

Beleg existiert nicht mehr Neuronale Netze - Einführung. Abgerufen am 5. September 2015 (englisch).

dkriesel.com

Ein kleiner Überblick über Neuronale Netze. 5. September 2017, abgerufen am 8. Oktober 2024.

doi.org

Warren S. McCulloch und Walter Pitts: A logical calculus of the ideas immanent in nervous activity. Hrsg.: Bulletin of Mathematical Biophysics. Vol. 5 Auflage. Kluwer Academic Publishers, 1943, S. 115–133, doi:10.1007/BF02478259.
K. Fukushima: Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. In: Biological Cybernetics. Band 36, Nr. 4, 1980, S. 93–202, doi:10.1007/BF00344251.
Dominik Scherer, Andreas Müller, Sven Behnke: Evaluation of Pooling Operations in Convolutional Architectures for Object Recognition. In: Artificial Neural Networks – ICANN 2010 (= Lecture Notes in Computer Science). Springer Berlin Heidelberg, 2010, ISBN 978-3-642-15825-4, S. 92–101, doi:10.1007/978-3-642-15825-4_10 (springer.com [abgerufen am 26. August 2019]).

faqs.org

Neural Networks FAQ. Abgerufen am 24. Juli 2019 (englisch).

fraunhofer.de

bigdata-ai.fraunhofer.de

Inga Döbel u. a.: Maschinelles Lernen - Eine Analyse zu Kompetenzen, Forschung und Anwendung. Fraunhofer-Gesellschaft, September 2018, abgerufen am 25. April 2024.

georgetown.edu

riesenhuberlab.neuro.georgetown.edu

M. Riesenhuber, T. Poggio: Hierarchical models of object recognition in cortex. In: Nature Neuroscience. 1999.

heise.de

Johannes Merkert: Ein künstliches neuronales Netz selbst gebaut. In: c't. Abgerufen am 24. Mai 2016.

idsia.ch

Jürgen Schmidhuber: My First Deep Learning System of 1991 + Deep Learning Timeline 1962–2013.
D. C. Ciresan, U. Meier, J. Masci, L. M. Gambardella, J. Schmidhuber: Flexible, High Performance Convolutional Neural Networks for Image Classification. International Joint Conference on Artificial Intelligence (IJCAI-2011, Barcelona), 2011.
D. Ciresan, A. Giusti, L. Gambardella, J. Schmidhuber: Deep Neural Networks Segment Neuronal Membranes in Electron Microscopy Images. In: Advances in Neural Information Processing Systems (NIPS 2012), Lake Tahoe, 2012.
D. Ciresan, A. Giusti, L. Gambardella, J. Schmidhuber: Mitosis Detection in Breast Cancer Histology Images using Deep Neural Networks. MICCAI 2013.
D. C. Ciresan, U. Meier, J. Schmidhuber: Multi-column Deep Neural Networks for Image Classification. IEEE Conf. on Computer Vision and Pattern Recognition CVPR 2012.
D. C. Ciresan, U. Meier, J. Masci, J. Schmidhuber: Multi-Column Deep Neural Network for Traffic Sign Classification. Neural Networks, 2012.

lecun.com

yann.lecun.com

Y. LeCun, B. Boser, J. S. Denker, D. Henderson, R. E. Howard, W. Hubbard, L. D. Jackel: Backpropagation Applied to Handwritten Zip Code Recognition. In: Neural Computation. Band 1, 1989. S. 541–551.

mit.edu

news.mit.edu

Larry Hardesty: Explained: Neural networks. MIT News Office, 14. April 2017, abgerufen am 20. Februar 2024 (englisch).

semanticscholar.org

J. Pennington und Y. Bahri: Geometry of Neural Network Loss Surfaces via Random Matrix Theory. In: ICML. 2017 (semanticscholar.org).

springer.com

link.springer.com

Dominik Scherer, Andreas Müller, Sven Behnke: Evaluation of Pooling Operations in Convolutional Architectures for Object Recognition. In: Artificial Neural Networks – ICANN 2010 (= Lecture Notes in Computer Science). Springer Berlin Heidelberg, 2010, ISBN 978-3-642-15825-4, S. 92–101, doi:10.1007/978-3-642-15825-4_10 (springer.com [abgerufen am 26. August 2019]).

toronto.edu

cs.toronto.edu

A. Krizhevsky, I. Sutskever, G. E. Hinton: ImageNet Classification with Deep Convolutional Neural Networks. NIPS 25, MIT Press, 2012.

towardsdatascience.com

Dasaradh S. K: A Gentle Introduction To Math Behind Neural Networks. 30. Oktober 2020, abgerufen am 21. August 2022 (englisch).

tu-berlin.de

user.tu-berlin.de

Erhard Konrad: Zur Geschichte der Künstlichen Intelligenz in der Bundesrepublik Deutschland (PDF; 86 kB), abgerufen am 23. Mai 2019.

web.archive.org

— (Memento vom 2. Mai 2013 im Internet Archive)
2012 Kurzweil AI Interview (Memento vom 31. August 2018 im Internet Archive) mit Jürgen Schmidhuber zu den acht Wettbewerben, die sein Deep Learning Team zwischen 2009 und 2012 gewann
Y. Bengio: Learning Deep Architectures for AI. (Memento vom 21. März 2014 im Internet Archive) Now Publishers, 2009.

zdb-katalog.de

Bernhard Widrow, Marcian Hoff: Adaptive switching circuits. In: Proceedings WESCON. 1960, ZDB-ID 267416-6, S. 96–104.
Teuvo Kohonen: Correlation matrix memories. In: IEEE transactions on computers. C-21, 1972, ISSN 0018-9340, S. 353–359.
James A. Anderson: A simple neural network generating an interactive memory. In: Mathematical Biosciences. 14, 1972, ISSN 0025-5564, S. 197–220.