Moderne Physik: "Auf der Jagd nach kosmischen Teilchen." (Prof. Anna Nelles)
Live Aufzeichung aus der "Moderne Physik" Vortragsreihe des Department für Physik an der Friedrich-Alexander-Universität Erlangen-Nürnberg
"Über Gemeinsamkeiten von Feuerzeugen, Motoren und Neutrinos. Auf der Jagd nach kosmischen Teilchen."
Vortrag vom 30.11.2021, Prof. Anna Nelles
https://moderne-physik.de
Видео Moderne Physik: "Auf der Jagd nach kosmischen Teilchen." (Prof. Anna Nelles) канала Florian Marquardt
"Über Gemeinsamkeiten von Feuerzeugen, Motoren und Neutrinos. Auf der Jagd nach kosmischen Teilchen."
Vortrag vom 30.11.2021, Prof. Anna Nelles
https://moderne-physik.de
Видео Moderne Physik: "Auf der Jagd nach kosmischen Teilchen." (Prof. Anna Nelles) канала Florian Marquardt
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Lecture 4: Loss functions. Overfitting. Dropout. Adaptive Gradient Descent. Convolutional networks.
Lecture 26: Active Learning for Network Training: Uncertainty Sampling and other approaches.
Animation: Variational Autoencoder
Lecture 23: Reinforcement Learning - Policy Gradient and Q-Learning.
Lecture 14: Boltzmann Machines (General Theory).
Lecture 19: Graph Neural Networks. Attention Mechanisms (Basics).
Lecture 10: Inductive Bias. Fisher Information. Information Geometry.
Lecture 21: Transformers (and examples). Implicit Layers.
Lecture 12: Mutual Information. Learning Probability Distributions. Normalizing Flows.
Talk: Discovering feedback strategies for open quantum systems via deep reinforcement learning
Machine Learning for Physicists (Lecture 3): Training networks, Keras, Image recognition
Lecture 16: Variational Autoencoder. Generative Adversarial Networks.
Lecture 11: Natural Gradient. Kullback-Leibler Divergence. Mutual Information.
Lecture 15: Restricted Boltzmann Machines. Conditional Sampling. Variational Autoencoder.
Machine Learning for Physicists (Lecture 5): Principal Component Analysis, t-SNE, Adam etc., ...
Lecture 25: Reinforcement Learning: Continuous actions. Model-based. Monte Carlo Tree Search.
Lecture 7: Contractive Autoencoder. Shannon's Information Theory: Compression and Information.
Lecture 27: Bayesian Optimal Experimental Design. Active Learning: Gaussian Processes and Networks.
Lecture 22: Implicit Layers. Hamiltonian and Lagrangian Networks. Reinforcement Learning Overview.
Lecture 20: Attention. Differentiable Neural Computer. Transformers.