User: Guest  Login
Original title:
Latent Matters 
Original subtitle:
Amortised Variational Inference With Constrained Optimisation and Learnable Priors 
Translated title:
Die Bedeutung latenter Repräsentationen 
Translated subtitle:
Amortisierte Variationsinferenz mit eingeschränkter Optimierung und lernbaren A-priori-Verteilungen 
Year:
2021 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
Bungartz, Hans-Joachim (Prof. Dr.) 
Referee:
Bungartz, Hans-Joachim (Prof. Dr.); Groh, Georg (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
TUM classification:
MAT 650; DAT 780 
Abstract:
The focus of this dissertation is on learning latent representations—in the context of probabilistic generative modelling—that reflect the factors of variation and topology of the observed data. To this end, we propose a constrained optimisation-based formulation of amortised variational inference and complement it with a powerful empirical Bayes method. 
Translated abstract:
Der Schwerpunkt dieser Dissertation liegt auf dem Erlernen latenter Repräsentationen – im Rahmen der probabilistischen generativen Modellierung – welche die Faktoren der Variation und die Topologie der beobachteten Daten widerspiegeln. Zu diesem Zweck stellen wir eine, auf eingeschränkter Optimierung basierende, Formulierung der amortisierten Variationsinferenz vor und ergänzen diese durch eine leistungsstarke empirische Bayes-Methode. 
Oral examination:
02.12.2021 
File size:
30959716 bytes 
Pages:
148 
Last change:
03.01.2022