User: Guest  Login
Original title:
Multi-Task and Transfer Learning with Recurrent Neural Networks 
Translated title:
Multi-Task und Transfer Learning mit rekurrenten neuronalen Netzen 
Year:
2015 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Runkler, Thomas (Prof. Dr.) 
Referee:
Runkler, Thomas (Prof. Dr.); van der Smagt, Patrick (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
transfer learning, multi-task learning, recurrent neural network, tensor factorization, system identification, dynamical system 
Translated keywords:
Transfer Learning, Multi-Task Learning, rekurrentes neuronales Netz, Tensorfaktorisierung, Systemidentifikation, dynamisches System 
TUM classification:
DAT 500d 
Abstract:
The dynamics of complex technical systems can be approximated by recurrent neural networks (RNN). Such methods have proven to be powerful alternatives to analytical models which are not always available or may be inaccurate, but they often require large amounts of data, which is a scarce resource in many applications. In this thesis, RNN models are developed which allow for data-efficient knowledge transfer from source task(s) to a related target task that lacks data. The primary contribution is...    »
 
Translated abstract:
Die Dynamik komplexer technischer Systeme kann durch rekurrente neuronale Netze (RNN) datengetrieben approximiert werden, was eine leistungsfähige Alternative zu analytischen Modellen darstellt, da letztere nicht immer verfügbar oder unzureichend genau sind. Datengetriebene Modelle benötigen häufig große Datenmengen, jedoch sind Daten in vielen Anwendungen rar. Die Arbeit befasst sich mit der Entwicklung von RNN-Modellen, die einen dateneffizienten Informationstransfer von Referenzsystemen auf e...    »
 
Oral examination:
30.10.2015 
File size:
1463753 bytes 
Pages:
129 
Last change:
23.11.2015