Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Autonomous Learning for Machine Perception
Übersetzter Titel:
Autonomes Lernen für die Maschinelle Wahrnehmung
Autor:
Chiotellis, Ioannis Nektarios
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Informatik
Betreuer:
Cremers, Daniel (Prof. Dr.)
Gutachter:
Cremers, Daniel (Prof. Dr.); Rodolà, Emanuele (Prof.); Triebel, Rudolph (Priv.-Doz. Dr.)
Sprache:
en
Fachgebiet:
DAT Datenverarbeitung, Informatik
Stichworte:
machine learning, deep learning
Übersetzte Stichworte:
maschinelles Lernen, tiefes Lernen
TU-Systematik:
DAT 760; DAT 770
Kurzfassung:
In this thesis, we develop machine learning algorithms that aim to minimize the need for human supervision, utilizing techniques from Metric Learning, Semi-Supervised Learning, Active Learning and Reinforcement Learning. We explore problems from a diverse set of research areas including non-rigid shape analysis, autonomous driving, deep active learning and combinatorial optimization.
Übersetzte Kurzfassung:
In dieser Arbeit entwickeln wir Algorithmen für maschinelles Lernen, die darauf abzielen, den Bedarf an menschlicher Überwachung zu minimieren. Dabei werden Techniken aus den Bereichen metrisches Lernen, halbüberwachtes Lernen, aktives Lernen und verstärkendes Lernen verwendet. Wir untersuchen Probleme aus einer Vielzahl von Forschungsbereichen, einschließlich nicht starrer Formanalyse, autonomem Fahren, tiefem aktivem Lernen und kombinatorischer Optimierung.
WWW:
https://mediatum.ub.tum.de/?id=1609823
Eingereicht am:
12.05.2021
Mündliche Prüfung:
12.01.2022
Dateigröße:
9968636 bytes
Seiten:
132
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20220112-1609823-1-0
Letzte Änderung:
21.03.2022
 BibTeX