Benutzer: Gast  Login
Originaltitel:
Learning Probabilistic Subsequential Transducers 
Übersetzter Titel:
Lernen von probabilistischen subsequentiellen Transducern 
Jahr:
2013 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
Eckert, Claudia (Prof. Dr.) 
Gutachter:
Eckert, Claudia (Prof. Dr.); Esparza Estaun, Francisco Javier (Prof. Dr. Dr. h.c.); de la Higuera, Colin (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Stichworte:
Machine Lerning, Gramatical Inference, Transducer Learning 
Schlagworte (SWD):
Transduktor Automatentheorie; Maschinelles Lernen 
TU-Systematik:
DAT 708d 
Kurzfassung:
In this thesis we investigate inference of probabilistic subsequential transducers in an active learning environment. First, we propose a novel inference algorithm where the learner interacts with an oracle by asking probabilistic queries on the observed data. Second, we propose another learning algorithm where the oracle can be replaced by statistical tests over observed data. We also provide experimental evidence to show the correctness of the proposed algorithms. 
Übersetzte Kurzfassung:
In der vorliegenden Arbeit untersuchen wir probabilistische subsequentielle Transducer in einer aktiven Lernumgebung. Zunächst stellen wir einen neuen Lernalgorithmus vor, der probabilistische Anfragen über beobachtete Daten an ein Orakel stellt. Danach stellen wir einen weiteren Lernalgorithmus vor, bei dem das Orakel durch statistische Tests über beobachteten Daten ersetzt wird. Um die Korrektheit nachzuweisen liefern wir darüber hinaus experimentelle Belege. 
Mündliche Prüfung:
22.05.2013 
Dateigröße:
1207690 bytes 
Seiten:
189 
Letzte Änderung:
30.10.2013