User: Guest  Login
Original title:
Learning Sequence Representations 
Translated title:
Lernen von Sequenz-Repräsentationen 
Year:
2015 
Document type:
Dissertation 
Institution:
Fakultät für Informatik 
Advisor:
van der Smagt, Patrick (Prof. Dr.) 
Referee:
van der Smagt, Patrick (Prof. Dr.); Schmidhuber, Jürgen (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
machine learning, recurrent neural networks, neural networks 
Translated keywords:
maschinelles lernen, rekurrente Neuronale Netze, neuronale Netze 
TUM classification:
DAT 260d; DAT 815d 
Abstract:
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...    »
 
Translated abstract:
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...    »
 
Oral examination:
02.11.2015 
File size:
4711999 bytes 
Pages:
111 
Last change:
28.01.2016