alle nameref überdacht.

chapters/Neural_Networks/Basics.tex

@@ -156,7 +156,7 @@ Welche Loss Function $l$ verwendet werden sollte hängt dabei vom Anwendungsgebi
 
 \section{Feature Learning}%
 \label{sec:Feature Learning}
-Die letzte Schicht eines Neural Networks macht im Prinzip nur eine \nameref{cha:Linear Regression},
+Die letzte Schicht eines Neural Networks macht im Prinzip nur eine \dref{cha:Linear Regression},
 welche durch die vorhergegangenen Schichten vorbereitet wird.
 \begin{figure}[H]
     \centering

chapters/Neural_Networks/Gradient_Descent.tex

@@ -7,7 +7,7 @@ und die Größe der Batches an die Anzahl der \gls{GPU} Rechenkerne angepasst is
 \begin{equation} \label{eq:neural_networks:mini-batches}
     \bm{\theta}_{t+1} = \bm{\theta}_t - \dfrac{\eta}{b}\sum_i \nabla_{\bm{\theta}} l(\bm{x}_i;\bm{\theta}_t)
 \end{equation}
-Um den Gradienten für die einzelnen Gewichte zu errechnen wird die \nameref{sec:Backpropagation} verwendet.
+Um den Gradienten für die einzelnen Gewichte zu errechnen wird die \dref{sec:Backpropagation} verwendet.
 
 \section{Backpropagation}%
 \label{sec:Backpropagation}

chapters/Neural_Networks/RNN.tex

@@ -37,7 +37,7 @@ Der Zustand ergibt sich aus der Rekurrenz Gleichung (recurrence formula).
 \section{\texorpdfstring{\glsxtrfull{BPTT}}{\glsfmtfull{BPTT}}}%
 \label{sec:BPTT}
 Die Gewichte in einem \gls{RNN} können mithilfe von \gls{BPTT} angepasst werden.
-Hierbei wird der Gradient wie bei der normalen \nameref{sec:Backpropagation} errechnet,
+Hierbei wird der Gradient wie bei der normalen \dref{sec:Backpropagation} errechnet,
 wobei zusätzlich noch die Differentiation in Zeitrichtung durchgeführt werden muss.
 \begin{figure}[H]
     \centering

chapters/Neural_Networks/Regularization.tex

@@ -49,7 +49,7 @@ welches auf diese Weise trainiert wurde getestet werden kann.
 
 \paragraph{Drop Connect}%
 \label{par:Drop Connect}
-Eine Abwandlung von \nameref{par:Dropout},
+Eine Abwandlung von \dref{par:Dropout},
 bei der alle Neuronen erhalten bleiben und lediglich Kanten zwischen den Neuronen weggelassen werden.
 \begin{figure}[H]
     \centering