Benutzer: Gast  Login
Originaltitel:
Analysis and Performance Engineering for Learning with Sparse Grids
Übersetzter Titel:
Analyse und Performance Engineering für Lernen mit dünnen Gittern
Autor:
Sârbu, Paul-Cristian
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Bungartz, Hans-Joachim (Prof. Dr.)
Gutachter:
Bungartz, Hans-Joachim (Prof. Dr.); Pflüger, Dirk (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
MAT 650; DAT 780
Kurzfassung:
This thesis explores and expands the use of spatially adaptive sparse grids for solving various learning tasks, in a multi-faceted approach. We introduce new estimators of functions of probability densities, we improve time series prediction results on financial data by means of a regression/classification code optimized for a specific computer architecture, and we introduce two new clustering techniques, implemented in a user-oriented manner, which can analyze deterministic and uncertain data,...     »
Übersetzte Kurzfassung:
Diese Arbeit untersucht und erweitert die Verwendung von räumlich-adaptiven dünnen Gittern zur Lösung verschiedener Lernaufgaben in einem vielschichtigen Zugang. Wir führen neue Schätzer von Funktionen von Wahrscheinlichkeitsdichten ein, verbessern die Ergebnisse der Zeitreihenvorhersage von Finanzdaten durch einen Regressions-/Klassificationscode, der für eine bestimmte Rechenarchitektur optimiert wird, und wir stellen zwei neue, benutzerorientiert implementierte Clusteringmethoden vor, die det...     »
WWW:
https://mediatum.ub.tum.de/?id=1638213
Eingereicht am:
03.01.2022
Mündliche Prüfung:
02.05.2022
Dateigröße:
7012858 bytes
Seiten:
221
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220502-1638213-1-1
Letzte Änderung:
13.01.2023
 BibTeX