Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Validation of Machine Learning Algorithms by Design with Applications for Automated Driving
Übersetzter Titel:
Validierung Maschineller Lernverfahren durch Entwurf für Anwendungen im Automatisierten Fahren
Autor:
Gallitz, Oliver Christoph
Jahr:
2023
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Computation, Information and Technology
Betreuer:
Utschick, Wolfgang (Prof. Dr.)
Gutachter:
Utschick, Wolfgang (Prof. Dr.); Botsch, Michael (Prof. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
TU-Systematik:
ELT 515
Kurzfassung:
This work presents a concept to achieve validation of Machine Learning (ML) algorithms following a “by design” paradigm. The validation is realized by assuring interpretability in all steps of the ML process and the interpretability is achieved by exploiting intrinsic properties of ML architectures. The concept has been developed for the early prediction of events given multivariate time series data. The presented applications stem from the field of automated driving, e. g., early prediction of...     »
Übersetzte Kurzfassung:
Diese Arbeit präsentiert ein Konzept für eine Validierung maschineller Lernverfahren (ML) durch Entwurf. Die Validierung wird durch die Interpretierbarkeit in allen Schritten des ML-Verfahrens realisiert, und die Interpretierbarkeit wird durch die intrinsischen Eigenschaften von ML-Architekturen erreicht. Das Konzept wurde entwickelt, um Ereignisse so früh wie möglich aus multivariaten Zeitreihendaten vorherzusagen. Die vorgestellten Anwendungen stammen aus dem Bereich des automatisierten Fahren...     »
WWW:
https://mediatum.ub.tum.de/?id=1660429
Eingereicht am:
09.06.2022
Mündliche Prüfung:
24.01.2023
Dateigröße:
2063217 bytes
Seiten:
108
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230124-1660429-1-4
Letzte Änderung:
06.03.2023
 BibTeX