Benutzer: Gast  Login
Originaltitel:
Automated Machine Learning for applications in Earth Observation
Übersetzter Titel:
Automatisiertes maschinelles Lernen für Anwendungen in der Erdbeobachtung
Autor:
Traoré, Kalifou René
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Data Science in Earth Observation (Prof. Zhu)
Betreuer:
Zhu, Xiaoxiang (Prof. Dr. habil.)
Gutachter:
Zhu, Xiaoxiang (Prof. Dr. habil.); Chicano, Francisco (Prof., Ph.D.)
Sprache:
en
Fachgebiet:
GEO Geowissenschaften
Stichworte:
Automated Machine Learning ; Remote Sensing ; Sensor Fusion ; Fitness Landscape Analysis ; Algorithmic Search Initialization ; Efficient Architectures
Übersetzte Stichworte:
Automatisiertes maschinelles Lernen ; Fernerkundung ; Kombinierte Sensoren ; Landschaftsanalyse ; Suchinitialisierung ; Effiziente Architekturen
TU-Systematik:
BAU 967; MSR 915
Kurzfassung:
With an ever-growing amount of Remote Sensing data becoming publicly accessible, the demand for reliable decision-making models tailored to these applications is rising. In this cumulative thesis, I present contributions on the topics of explainable, efficient, and accessible automated machine learning to help address this demand in earth observation-related applications.
Übersetzte Kurzfassung:
Da immer mehr Fernerkundungsdaten öffentlich zugänglich werden, steigt die Nachfrage nach zuverlässigen Entscheidungsmodellen, die auf diese Anwendungen zugeschnitten sind. In dieser Doktorarbeit präsentiere ich Beiträge zu den Themen erklärbares, effizientes und zugängliches automatisiertes maschinelles Lernen, um diese Nachfrage in erdbeobachtungsbezogenen Anwendungen zu befriedigen.
WWW:
https://mediatum.ub.tum.de/?id=1726157
Eingereicht am:
20.11.2023
Mündliche Prüfung:
26.09.2024
Dateigröße:
19789036 bytes
Seiten:
168
Urn (Zitierfähige URL):
https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20240926-1726157-1-4
Letzte Änderung:
04.02.2025
 BibTeX