Masterarbeit
Das Ziel der Arbeit ist es zu untersuchen, wie mit genetischen Algorithmen RNNs aus einfachen Neuronen trainiert werden können. Das geschieht beispielhaft für das Gestenerkennungsproblem. Unterschieden werden sollen zumindest die Gesten: Hand von links nach rechts, von rechts nach links, von oben nach unten und von unten nach oben. Es sollen nicht nur Gewichte und Bias gesucht werden, sondern auch Aktivierungsfunktionen, die Anzahl benötigter Ebenen, die Anzahl von Neuronen pro Ebene und notwendige Rückkopplungen. Dazu muss betrachtet werden, wie Kostenfunktionen konstruiert werden müssen, um den Lernprozess zu unterstützen. Außerdem muss untersucht werden, was zweckmäßige Mutationen sind und wie zwei RNNs sinnvoll zu einem neuen rekombiniert werden können. Für die gefundenen RNNs muss im Vergleich mit anderen KNNs zur Gestenerkennung verglichen werden, wie zuverlässig Gesten in unterschiedlichen Umgebungen erkannt werden und wie groß dazu der Rechen- und Speicheraufwand auf Mikrocontrollern ist.
Der evolutionäre Algorithmus zur Suche von RNNs für die Gestenerkennung soll auf einem oder mehreren PCs ausgeführt werden. Programme sollen in Python mit der KNN-Bibliothek Keras und einer geeigneten Bibliothek für genetische Algorithmen implementiert werden. Die Gestenerkennung soll mit einer Kamera für die Steuerung von Präsentationsfolien praktisch demonstriert werden, wobei das RNN auf einem PC ausgeführt werden darf.
| Enddatum | 31. Oktober 2019 |
| Betreuer |
Dr. Marcus Venzke
|