Benutzer: Gast  Login
Originaltitel:
Learning Sequence Representations 
Übersetzter Titel:
Lernen von Sequenz-Repräsentationen 
Jahr:
2015 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Informatik 
Betreuer:
van der Smagt, Patrick (Prof. Dr.) 
Gutachter:
van der Smagt, Patrick (Prof. Dr.); Schmidhuber, Jürgen (Prof. Dr.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik 
Stichworte:
machine learning, recurrent neural networks, neural networks 
Übersetzte Stichworte:
maschinelles lernen, rekurrente Neuronale Netze, neuronale Netze 
TU-Systematik:
DAT 260d; DAT 815d 
Kurzfassung:
We contribute to the field of neural networks, and recurrent ones in particular, in three ways. First we show how neural networks can be used to process not only points, but random variables summarised by their expectations and variances. Second, a framework to reduce sequences to points is introduced. Third, leveraging variational inference we find latent state representations of sequences, enabling arbitrarily complex distributions of sequences. The methods are experimentally verified for huma...    »
 
Übersetzte Kurzfassung:
Wir tragen drei Methoden zum Feld der (rekurrenten) neuronalen Netze bei. Zuerst zeigen wir wie nicht nur Punkte, sondern Zufallsvariablen in Form ihrer Erwartungswerte und Varianzen durch sie hindurchpropagiert werden k ̈onnen. Dann pr ̈asentieren wir ein Rahmenwerk um Sequenzen auf Punkte abzubilden. Zuletzt nutzen wir ,,variational inference” um latente Zust ̈ande von Sequenzen zu finden, was es uns erlaubt beliebig komplexe Sequenzen zu repr ̈asentieren. Die Methoden werden fu ̈r die Vorhers...    »
 
Mündliche Prüfung:
02.11.2015 
Dateigröße:
4711999 bytes 
Seiten:
111 
Letzte Änderung:
28.01.2016