Aspects of Algorithmic Information Theory in Spatial Machine Learning
Übersetzter Titel:
Aspekte der Algorithmischen Informationstheorie im Räumlichen Maschinellen Lernen
Autor:
Dax, Gabriel
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Big Geospatial Data Management (Prof. Werner)
Betreuer:
Werner, Martin (Prof. Dr.)
Gutachter:
Werner, Martin (Prof. Dr.); Krstić, Miloš (Prof. Dr.)
Sprache:
en
Fachgebiet:
BAU Bauingenieurwesen, Vermessungswesen; DAT Datenverarbeitung, Informatik
Stichworte:
Deep Learning, Compression, Information Theory, Kolmogorov Complexity, Data-Driven System
Übersetzte Stichworte:
Deep Learning, Kompression, Informations Theory, Kolmogorov Komplexität, Datengetriebenes System
TU-Systematik:
BAU 902
Kurzfassung:
In spatial computing, data-driven systems process vast data but face challenges due to complex algorithms and growing datasets, necessitating hardware scaling with higher costs. Compression is able to optimize memory and computational efficiency by removing unimportant information within the data. This is essential for edge computing, therefore, it is necessary to investigate the role of compression in spatial computing. Results show that compression improves systems efficiency at comparable small costs in accuracy, enabling edge computing in constrained environments.
«
In spatial computing, data-driven systems process vast data but face challenges due to complex algorithms and growing datasets, necessitating hardware scaling with higher costs. Compression is able to optimize memory and computational efficiency by removing unimportant information within the data. This is essential for edge computing, therefore, it is necessary to investigate the role of compression in spatial computing. Results show that compression improves systems efficiency at comparable sma...
»
Übersetzte Kurzfassung:
Im Spatial Computing verarbeiten datengetriebene Systeme große Datenmengen, stehen jedoch vor Herausforderungen aufgrund komplexer Algorithmen und wachsender Datensätze. Kompression optimiert die Speicher- und Recheneffizienz indem unwichtige Informationen entfernt werden. Das ist entscheidend für das Edge Computing, daher ist die Rolle der Kompression im Spatial Computing zu untersuchen. Ergebnisse zeigen, dass Kompression die Effizienz datengetriebener Systeme verbessert, bei vergleichsweise geringen Verlusten von Genauigkeit.
«
Im Spatial Computing verarbeiten datengetriebene Systeme große Datenmengen, stehen jedoch vor Herausforderungen aufgrund komplexer Algorithmen und wachsender Datensätze. Kompression optimiert die Speicher- und Recheneffizienz indem unwichtige Informationen entfernt werden. Das ist entscheidend für das Edge Computing, daher ist die Rolle der Kompression im Spatial Computing zu untersuchen. Ergebnisse zeigen, dass Kompression die Effizienz datengetriebener Systeme verbessert, bei vergleichsweise g...
»