Dissertation (Metadaten)
Titel:Struktureller Bias in neuronalen Netzen mittels Clifford-Algebren
 
Autor:Vladimir Banarer
 
URN:NBN:urn:nbn:de:gbv:8-diss-12977
 
Fakultät:Technische Fakultät
DDC Sachgebiet:004 Informatik
 
Datum der mdl. Prüfung:16.12.2004
 
Referent(in):Prof. Dr. G. Sommer
Korreferent(en) Korreferentin:Prof. Dr. K. Jansen
 
Beschreibung:Im Rahmen dieser Arbeit wird ein generisches Approximierungsmodell aufgestellt, das unter anderem klassische neuronale Architekturen umfaßt. Die allgemeine Rolle von a priori Wissen bei der Modellierung wird untersucht. Speziell werden Clifford-Algebren bei dem Entwurf von neuronalen Netzen als Träger struktureller Information eingesetzt. Diese Wahl wird durch die Eigenschaft von Clifford-Algebren motiviert, geometrische Entitäten sowie deren Transformationen auf eine effiziente Art darstellen bzw. berechnen zu können. Neue neuronale Architekturen, die im Vergleich zu klassischen Ansätzen höhere Effizienz aufweisen, werden entwickelt und zur Lösung von verschiedenen Aufgaben in Bildverarbeitung, Robotik und Neuroinformatik allgemein eingesetzt.
 
Schlagworte:Nervennetz ; Modell ; Approximation ; Bias ; A-priori-Wissen ; Clifford-Algebra ; Bildsegmentierung ; Neuronales Netz ; Roboterarm ; Steuerung
 
Dokumente:
d1297.pdf (2.173 kB)    ZIP generieren   Details >>