On Prediction Bodies: Tomographic Data Transformations in a Convex Setting

Kirschbaum, Anja

Anja Kirschbaum

Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link

Originaltitel:: On Prediction Bodies: Tomographic Data Transformations in a Convex Setting
Übersetzter Titel:: Über Prediction Bodies: Tomografische Datentransformationen in einem konvexen Kontext
Autor:: Kirschbaum, Anja
Jahr:: 2026
Dokumenttyp:: Dissertation
Fakultät/School:: TUM School of Computation, Information and Technology
Institution:: Lehrstuhl für Angewandte Geometrie und Diskrete Mathematik (N.N.)
Betreuer:: Gritzmann, Peter (Prof. Dr.)
Gutachter:: Gritzmann, Peter (Prof. Dr.); Henk, Martin (Prof. Dr.); Brieden, Andreas (Prof. Dr.)
Sprache:: en
Fachgebiet:: MAT Mathematik
TU-Systematik:: MAT 500; MAT 910
Kurzfassung:: This thesis studies the theoretical properties of a class of tomographic data transformations used in machine learning. Using a simplified geometric model based on continuous X-rays and convex bodies, it examines the transformation’s geometric properties, such as structural sensitivity, stability, and predictive behavior.
Übersetzte Kurzfassung:: Diese Arbeit untersucht die theoretischen Eigenschaften einer Klasse tomographischer Datentransformationen, die im maschinellen Lernen eingesetzt werden. Anhand eines vereinfachten geometrischen Modells, basierend auf kontinuierlichen X-ray-Daten und konvexen Körpern, werden die geometrischen Eigenschaften der Transformation analysiert, z.B. ihre Fähigkeit, strukturelle Merkmale der zugrunde liegenden Daten zu erfassen, sowie ihre Sensitivität gegenüber Störungen in den Eingangsdaten.
WWW:: https://mediatum.ub.tum.de/?id=1788579
Eingereicht am:: 17.09.2025
Mündliche Prüfung:: 13.04.2026
Dateigröße:: 4341246 bytes
Seiten:: 213
Urn (Zitierfähige URL):: https://nbn-resolving.org/urn:nbn:de:bvb:91-diss-20260413-1788579-0-4
Veröffentlicht am:: 01.06.2026
BibTeX