Ankerst, DonnaSchwaiger, AdrianFelgentreff, JensJensFelgentreff2022-03-072022-03-072020https://publica.fraunhofer.de/handle/publica/283080In dieser Arbeit beschäftigen wir uns mit Unsicherheitsbestimmungen in neuronalen Netzen, genauer gesagt mit jenen, die auf Stichproben basieren. Zu diesem Zwecke werden zuerst grundelegende Begriffe wie die des neuronalen Netzes und des Bayes'schen neuronalen Netzes erläutert. Danach werden einige Verfahren eingeführt, welche ermöglichen, Parameterstichproben für ein neuronales Netz zu gewinnen. Aus diesen Parameterstichproben werden durch mehrmaliges Anwenden des Modells mit jenen Parametern nun Ausgabestichproben generiert. Dementsprechend beschäftigen wir uns anschließend mit verschiedenen Maßen, deren Zweck es ist, aus den gewonnenen Ausgabestichproben einen Unsicherheitswert zu bestimmen. Ein besonderes Augenmerk liegt hier, wie auch sonst in der Arbeit, auf Klassifizierungsproblemen. Abgeschlossen wird die Arbeit von einem praktischen Teil, in dem wir die eingeführten Maße durch Experimente im Bereich der Bildklassifizierung auf ihre Güte testen.endeep learninguncertainty estimationneural networkperceptionartificial intelligenceAIbachelor thesis