Logo des Repositoriums
 
Textdokument

Equivariante Kerne in der Mustererkennung

Vorschaubild nicht verfügbar

Volltext URI

Dokumententyp

Zusatzinformation

Datum

2009

Autor:innen

Zeitschriftentitel

ISSN der Zeitschrift

Bandtitel

Verlag

Gesellschaft für Informatik

Zusammenfassung

Einer der wichtigsten Einflussfaktoren im Entwurf eines Mustererkennungssystems stellt a-priori Wissen dar. A-priori Wissen liefert Information welche über die reinen Trainingsdaten hinausgeht. Eine wichtige Untergruppe ist das sogenannte Transformationswissen. Man weiss, welche Gruppe von Transformationen die Bedeutung der betrachteten Muster unverändert lässt. In der Literatur existieren viele ad-hoc Ansätze wie solches Wissen miteinbezogen werden kann. In dieser Dissertation wurde ein wohlfundiertes mathematisches Rahmenwerk ausgearbeitet, welches klärt, in welcher Weise sich solches Wissen optimal in ein System integrieren lässt. Aus praktischer Perspektive wird eine Methode vorgestellt, wie sich explizit Equivarianzbedingungen in kernbasierte und parametrische Modellbeschreibungen integrieren lassen. In diesem Artikel werden die Grundbegriffe und Hauptresultate präsentiert und ein Anwendungsbeispiel zur rotationsinvarianten Objektdetektion besprochen.

Beschreibung

Reisert, Marco (2009): Equivariante Kerne in der Mustererkennung. Ausgezeichnete Informatikdissertationen 2008. Bonn: Gesellschaft für Informatik. PISSN: 1617-5468. ISBN: 978-3-88579-413-4. pp. 211-220

Schlagwörter

Zitierform

DOI

Tags