User: Guest  Login
Original title:
Sample Complexity of Representation Learning for Sparse and Related Data Models 
Translated title:
Stichprobenkomplexität des Lernens von Repräsentationen für spärliche und verwandte Datenmodelle 
Year:
2019 
Document type:
Dissertation 
Institution:
Fakultät für Elektrotechnik und Informationstechnik 
Advisor:
Kleinsteuber, Martin (Priv.-Doz. Dr.) 
Referee:
Kleinsteuber, Martin (Priv.-Doz. Dr.); Utschick, Wolfgang (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
TUM classification:
DAT 001d 
Abstract:
This thesis investigates the sample complexity of representation learning algorithms for sparse and related signal models. Two frameworks are developed for establishing bounds on the generalization error and sample complexity for a general class of learned representation models based on dictionaries. The proposed bounding schemes are presented in a self-contained manner and can be used to analyze a wide variety of learning scenarios. Both methods are then applied to a selection of learning algor...    »
 
Translated abstract:
Diese Arbeit untersucht die Stichprobenkomplexität von Algorithmen zum Lernen von Repräsentationen für spärliche und andere Signalmodelle. Es werden zwei Methoden entwickelt um Schranken für den Generalisierungsfehler für eine allgemeine Klasse von gelernten Modellen abzuschätzen. Die vorgestellten Schemata werden in einer in sich geschlossenen Weise präsentiert und können zur Analyse verschiedener Lernszenarien verwendet werden. Beide Methoden werden auf verschiedene Lernalgorithmen angewandt. 
Oral examination:
09.05.2019 
File size:
1116902 bytes 
Pages:
135 
Last change:
26.06.2019