Update README.md

README.md

@@ -28,20 +28,19 @@ Ordner zu Abbildung X
 
 
 Es gibt folgende Abbildungen:
+- Data_Set - Visualisierung einiger Beispiele
 
-Data_Set - Visualisierung einiger Beispiele
+- Hesse-Matrix - Darstellung der Hesse-Matrix als Bild
 
-Hesse-Matrix - Darstellung der Hesse-Matrix als Bild
+- Hesse-Matrix_Eigenwerte - Plot der Eigenwerte (explizit mit eigh berechnet)
 
-Hesse-Matrix_Eigenwerte - Plot der Eigenwerte (explizit mit eigh berechnet)
+- HV_Vergleich - Vergleich von Hesse-Matrix-Vektor-Produkten mit analytischer Ableitung (falls n=1) vs. Nested Gradient Tapes vs. Forward-Over-Back-AD
 
-HV_Vergleich - Vergleich von Hesse-Matrix-Vektor-Produkten mit analytischer Ableitung (falls n=1) vs. Nested Gradient Tapes vs. Forward-Over-Back-AD
+- Lanczos-Ritz - Berechnung der Eigenwerte der Hesse-Matrix mit dem symmetrischen Lanczos-Verfahren, wobei Hv über Forward-Over-Back-AD berechnet wird und die Hesse-Matrix nicht explizit vorliegt
 
-Lanczos-Ritz - Berechnung der Eigenwerte der Hesse-Matrix mit dem symmetrischen Lanczos-Verfahren, wobei Hv über Forward-Over-Back-AD berechnet wird und die Hesse-Matrix nicht explizit vorliegt
+- Vergleich_Analytische_Ableitung - Fall n=1, Berechnung der analytischen Ableitung des KNN und Vergleich mit Nested Gradient Tapes
 
-Vergleich_Analytische_Ableitung - Fall n=1, Berechnung der analytischen Ableitung des KNN und Vergleich mit Nested Gradient Tapes
-
-Vergleich_Optimierer - Darstellung der Kondition der Hesse-Matrix und des Loss für verschiedene Größen der versteckten Schicht, verschiedene Optimierer (Adam, SGD mit verschiedenen Batch Sizes)
+- Vergleich_Optimierer - Darstellung der Kondition der Hesse-Matrix und des Loss für verschiedene Größen der versteckten Schicht, verschiedene Optimierer (Adam, SGD mit verschiedenen Batch Sizes)
 
 **Vergleich GD hessianlearn:** Python Skripte für das Training von Autoencodern (auf MNIST/ One Hot Encoding)