Benutzer: Gast  Login
Originaltitel:
Leveraging Representation Learning for Multi-Modal and Graph-Structured Data
Übersetzter Titel:
Der Einsatz von Methoden zum Repräsentationslernen von multimodalen und graph-strukturierten Daten
Autor:
Anwaar, Muhammad Umer
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Kleinsteuber, Martin (Priv.-Doz. Dr.)
Gutachter:
Kleinsteuber, Martin (Priv.-Doz. Dr.); Steinbach, Eckehard (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
Graph Neural Networks, Representation Learning, Multi modal Data
Übersetzte Stichworte:
Graphneuronale Netze, Repräsentationslernen, multimodale Daten
TU-Systematik:
DAT 001
Kurzfassung:
We devise novel representation learning methods for dealing with graph-structured and multi-modal data. We adopt a variational approach for jointly learning the node representation and community detection in graphs. We also adopt a variational graph based approach for the compositional zero-shot learning (CZSL) problem. An interesting application of CZSL is retrieving images from a database based on a multi-modal (image-text) query.
Übersetzte Kurzfassung:
Wir entwickeln neuartige Repräsentationslernmethoden für den Umgang mit graphenstrukturierten und multimodalen Daten.Wir verwenden einen variationalen Ansatz für das gemeinsame Lernen der Knotenrepräsentation und Gemeinschaftserkennung in Graphen. Wir verwenden auch variationalen, auf Graphen basierenden Ansatz für das Compositional Zero Shot Learning (CZSL) Problem. Eine interessante Anwendung von CZSL ist das Abrufen von Bildern aus Datenbank auf der Grundlage einer multimodalen Abfrage.
WWW:
https://mediatum.ub.tum.de/?id=1660251
Eingereicht am:
20.06.2022
Mündliche Prüfung:
15.02.2023
Dateigröße:
8505072 bytes
Seiten:
146
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230215-1660251-1-3
Letzte Änderung:
14.03.2023
 BibTeX